Nouveaux Défis pour la Simulation et l’Apprentissage Automatique en Santé Publique

Séminaire organisé au LIRMM le vendredi 28 Janvier à 11h en salle 03/124 (ou en visio si les réunions restent impossibles), nous accueillerons Philippe Giabbanelli, enseignant-chercheur à l’université de Miami, qui viendra nous parler de Nouveaux Défis pour la Simulation et l’Apprentissage Automatique en Santé Publique. Venez nombreux !

Résumé :
Pour simuler le comportement d’une population, il nous faut d’abord représenter le comportement de chaque personne et leurs interactions. Dans le cadre des simulations pour les politiques de santé publique, une simulation doit prendre en compte l’avis d’experts de plusieurs domaines (sociologie, psychologie, urbanisme…) et être le plus transparent possible afin que chacun des acteurs comprenne précisément les bases sur laquelle la simulation est construite. Plusieurs méthodes participatives permettent d’externaliser les connaissances de chaque participant sous forme de réseaux ou ‘graphes’, qui sont ensuite utilisés pour créer la simulation. Ces méthodes engendrent de nombreuses questions : comment combiner les connaissances de chaque participant, ou les comparer, ou les améliorer grâce à l’utilisation complémentaire de jeux de données ? La création d’un modèle à chemin entre la simulation et l’apprentissage automatique pose aussi de nouvelles problématiques, tant sur la capacité à calculer des populations de grandes tailles que sur la difficulté d’interpréter et de communiquer les résultats à une large audience. Cette présentation montrera plusieurs de nos projets et sera l’occasion d’identifier de potentiels centres d’intérêts communs.

Biographie :
Philippe Giabbanelli est enseignant-chercheur (associate professeur) à Miami University, États-Unis. Il a publié plus d’une centaine d’articles, le plus souvent à l’intersection de trois domaines : la simulation (ce qui demande de représenter des connaissances humaines), l’analyse de réseaux (pour étudier des structures telles que les réseaux sociaux ou les réseaux de connaissance), et l’apprentissage automatique (pour accélérer le calcul des simulations ou les créer en partie depuis des jeux de données). Ces domaines sont utilisés principalement pour la santé, grâce aux financements et projets associés avec les institutions fédérales (NSF, NIH, CDC) et partenaires internationaux (Canada, Pays-Bas, Royaume-Uni). Philippe est éditeur associé pour plusieurs journaux, tels que BMC Medical Informatics & Decision Making, Social Network Analysis & Mining, Simulation, Intelligence-Based Medicine.