Apprentissage par renforcement pour la génération automatique de modèles en biosanté // Reinforcement learning for automatic generation of presonalised medicine models

id="offer-description" class="ecl-u-type-heading-2 ecl-u-mt-none ecl-u-mb-l">Offer Description Ce projet de thèse vise à intégrer l'intelligence artificielle (IA), l'apprentissage automatique et la modélisation mécanistique pour des applications cliniques, en combinant prédiction personnalisée et compréhension des mécanismes de progression des maladies. L'objectif est de développer des outils IA pour construire des modèles biomédicaux optimisant les traitements en fonction des caractéristiques spécifiques des patients. Les modèles exploiteront la nature modulaire des systèmes biologiques, basés sur des réseaux de réactions biochimiques, générant des systèmes d'équations différentielles à simuler pour faire des prédictions. L'approche adoptée dans cette thèse repose sur l'apprentissage par renforcement. Les modèles seront construits de manière incrémentale, en commençant par des modèles simples et en intégrant progressivement des données plus complexes. L'apprentissage par renforcement permettra de découvrir des modèles en maximisant une récompense. Cette méthode sera appliquée à des domaines médicaux tels que les troubles du spectre autistique, l'inflammation et les infections. ------------------------------------------------------------------------------------------------------------------------------------------------------------------------. -------------------------------------------------------------------------------------------------------------------------------------