image action

L'automatique au service de la santé: de la modélisation aux thérapies en boucle fermée

Initiateur
Statut
en cours
Date début
Autre type de livrable
sans objet
Objectifs

L'objectif de cette action vise à recenser les travaux de recherche réalisés par les membres du GDR MACS dans des domaines aussi variés que les neurosciences, l'endocrinologie, la cancérologie, ... et de montrer l'apport de l'automatique dans les nouvelles technologies pour la santé. Plus précisément, l'idée vise à accroître la visibilité des actions menées par les chercheurs et enseignants/chercheurs exerçant en France et stimuler la collaboration / créativité des acteurs avec les retours d'expérience de chacun. Cette action se veut ouverte à toutes celles et tous ceux qui ont eu, ont ou auront une activité scientifique en lien avec la santé, quelque soit leur degré de visibilité.

On retrouvera:

  • une cartographie des thématiques des différents domaines de santé (neurosciences, diabète, anesthésie, ...) abordés par la communauté automaticienne, selon différents axes (modélisation, estimation, surveillance/aide à la décision, régulation, ...)
  • une synthèse des thèmes traités pour conduire à une prospective sur les défis de demain
  • des réunions/séminaires (potentiellement en mode hybride pour rendre la participation possible à un plus grand nombre de chercheurs, enseignants/chercheurs), dont deux sessions (une par an) organisés durant les journées nationales de la SAGIP.
  • un site internet pour communiquer autour de cette action thématique
Justification

En 10 ans, la communauté automaticienne s'est très largement mobilisée et emparée de problèmes liés au domaine de la santé, avec des résultats qui ont parfois déjà franchi la barre de la "translatabilité" clinique. Plus précisément:

  • des techniques d'identification ont été utilisées pour obtenir des modèles dynamiques à partir de jeux de données enregistrés lors d'essais cliniques (Magdelaine et al. 2015). En dépit de fortes incertitudes et variabilités, des modèles sont capables de reproduire le comportement physiologique de patients diabétiques, au point d'avoir vu un simulateur numérique approuvé par l'organisme américain FDA (Food and Drug Administration) pour tester et évaluer les stratégies de contrôle/commande, en remplacement d'essais précliniques sur les animaux (Franco et al., 2021, Magdelaine et al., 2020, MohammadRidha et al., 2017, Ben Abbes et al. 2013, Cormerais & Richard, 2012).
  • un problème classique de l'automatique - l'estimation des systèmes dynamiques - a été utilisé pour la détection des crises d'épilepsie en couplant des enregistrements EEG, avec un modèle mathématique décrivant les régions corticales mises en jeu (Freestone et al. 2013).
  • la délivrance optimale des médicaments dans le traitement du cancer a bien été reformulée en un problème de contrôle avec les objectifs contradictoires d'inhibition efficace de la croissance tumorale et d’une toxicité acceptable des médicaments administrés (Özbay et al. 2012)
  • des stratégies de stimulation cérébrale en boucle fermée ont été mises au point sur des modèles populations neuronales impliquées dans la maladie de Parkinson (Detorakis et al. 2017, Orlowski et al. 2022). Leur performance a été validée sur un modèle numérique détaillé à l'échelle du neurone (Fleming et al. 2020). Ces approches, basées notamment sur la commande adaptative, permettent non seulement une atténuation efficace des oscillations cérébrales pathologiques mais aussi des gains importants en termes d'intensité de la stimulation, tout en tolérant de fortes incertitudes de modélisation.
  • un modèle spatio-temporel du cortex visuel primaire permet une analyse fiable des processus impliqués dans l'apparition d'oscillations visuelles (Bertalmio et al. 2021 & 2021).
  • des techniques d'observation ont été développées avec succès pour estimer la pression pulmonaire de patients sous respirateur artificiel. Ces avancées ouvrent la voie à de nouvelles stratégies de commande pour les respirateurs, visant à plus de confort et d'efficacité pour le patient.
  • des lois de commande avancées ont été développées pour contrôler l'injection de propofol pendant l'anesthésie de patients qui subissent une intervention chirurgicale (Alamir et al., 2018).
  • la méthode d'identification de système par bruit blanc a été utilisée pour caractériser les systèmes perceptifs visuels et auditifs, par exemple (Brimijoin et al. 2016).

Pour répondre à l'émergence des nouvelles technologies dans le secteur de la santé et favoriser la créativité de la communauté automaticienne, il est important de faire un état des lieux des actions qui ont pu être (ou sont) menées. Les temps de rencontres pourront également permettre d'accroître la cohésion entre les différents acteurs (industriels, académiques, praticiens, ...) pour favoriser le dépôts de projets ou la création de collaborations.

Références biblio
  1. M. Bertalmio, L. Calatroni, V. Franceschi, B. Franceschiello & D. Prandi.Cortical-Inspired Wilson–Cowan-Type Equations for Orientation-Dependent Contrast Perception Modelling, Journal of Mathematical Imaging and Vision, 63, 263–281, 2021
  2. M. Bertalmio, L. Calatroni, V. Franceschi, B. Franceschiello, A. Gomez Villa, and D. Prandi. Visual illusions via neural dynamics: Wilson–Cowan-type models and the efficient representation principle, Journal of Neurophysiologyn, 123 (5), 2020
  3. A. Chaillet, G.I. Detorakis, S. Palfi, and S. Senova. Robust stabilization of delayed neural fields with partial measurement and actuation. Automatica, 83, 262-274, 2017
  4. J.E. Fleming, J. Orlowski, M.M. Lowery, and A. Chaillet. Self-Tuning Deep Brain Stimulation Controller for Suppression of Beta Oscillations: Analytical Derivation and Numerical Validation, Frontiers in Neuroscience, 14 (639), 2020.
  5. D.R. Freestone, L. Kuhlmann, M. Chong, D. Nešić, D.B. Grayden, P. Aram, R. Postoyan, and M.J. Cook. Patient-specific neural mass modeling-stochastic and deterministic methods. In Recent advances in predicting and preventing epileptic seizures, 63-82, 2013
  6. J. Orlowski, A. Chaillet, A. Destexhe, and M. Sigalotti. Adaptive control of Lipschitz time-delay systems by sigma modification with application to neuronal population dynamics, Systems & Control Letters, 159, 2022
  7. H. Özbay, C. Bonnet, H. Benjelloun, and J. ClairambaultStability. Analysis of Cell Dynamics in Leukemia. Mathematical Modelling of Natural Phenomena, 7(1), 2012
  8. N Magdelaine, PS Rivadeneira, L Chaillous, AL Fournier‐Guilloux, M Krempf, T MohammadRidha, M Ait-Ahmed, CH Moog, 'Hypoglycaemia‐free artificial pancreas project', IET systems biology 14 (1), 16-23, 2020
  9. T MohammadRidha, M Aït-Ahmed, L Chaillous, M Krempf, I Guilhem, JY Poirier, CH Moog, 'Model free iPID control for glycemia regulation of type-1 diabetes', IEEE Transactions on Biomedical Engineering 65 (1), 199-206, 2017
  10. N Magdelaine, L Chaillous, I Guilhem, JY Poirier, M Krempf, CH Moog, E Le Carpentier, 'A long-term model of the glucose–insulin dynamics of type 1 diabetes', IEEE Transactions on Biomedical Engineering 62 (6), 1546-1552, 2015
  11. R Franco, AF de Loza, H Rios, L Cassany, D Gucik-Derigny, J Cieslak, D Henry, L Olçommendy, 'Output-Feedback Sliding-Mode Controller for Blood Glucose Regulation in Critically Ill Patients Affected by Type 1 Diabetes', Ieee Transactions on Control Systems Technology, 29 (6), 2746-2746, 2021
  12. L Cassany, D Gucik-Derigny, J Cieslak, D Henry, R Franco, A Ferreira de Loza, H Ríos, L Olçomendy, A Pirog, Y Bornat, S Renaud, B Catargi, 'A Robust H∞ Control Approach for Blood Glucose Regulation in Type-1 Diabetes', IFAC-PapersOnLine 54 (15), 460-465, 2021
  13. I.B Abbes, P.-Y. Richard, Lefebvre, M.-A., Guilhem, I., Poirier, J.-Y., 'A closed-loop artificial pancreas using a proportional integral derivative with double phase lead controller based on a new nonlinear model of glucose metabolism', Journal of Diabetes Science and Technology, 7(3), pp. 699–707, 2013
  14. H. Cormerais, P.-Y. Richard, 'Artificial pancreas for type 1 diabetes: Closed-loop algorithm based on Error Dynamics Shaping', Journal of Process Control, 22(7), pp. 1219–1227, 2012
  15. K Moussa, M Fiacchini, M Alamir, 'Robust domain of attraction estimation for a tumor growth model', Applied Mathematics and Computation 410, 126482, 2021
  16. M Alamir, M Fiacchini, I Queinnec, S Tarbouriech, M Mazerolles, 'Feedback law with probabilistic certification for Propofol‐based control of BIS during anesthesia', International Journal of Robust and Nonlinear Control 28 (18), 6254-6266, 2018
  17. W.O. Brimijoin, E. Tilbury, M.A. Akeroyd, & B. Porr, 'Measuring vowel percepts in human listeners with behavioral response-triggered averaging'. The Journal of the Acoustical Society of America, 139(4), 1990-1991, 2016
Evolution

Mai 2022 : les porteurs de l'action sollicitent les collègues pour recenser vos travaux de recherche en lien avec la santé et établir une cartographie des équipes travaillant sur ce thème.

Pour pouvoir mener à bien cette action et éviter de passer à côté de votre (vos) réalisation(s), ils vous demandent 5 minutes de votre temps pour compléter le sondage officiel disponible à l'adresse suivante: https://docs.google.com/forms/d/e/1FAIpQLSfnTAqfHQodjVERfQ5NIE7bvcpCFovfWAeC5G8nLOnTRa-DIA/viewform

Ce sondage peut être transféré librement.