Joly, Camille
(2024)
Le machine learning, outil d'intérêt dans la promotion du vieillissement en bonne santé : de la compréhension des mécanismes aux développements thérapeutiques.
Thèse d'exercice en Thèses > Pharmacie, Université Toulouse III - Paul Sabatier.
Résumé en français
Le défi actuel lié au vieillissement découle du constat que, malgré l'augmentation de l'espérance de vie, la durée de vie en bonne santé ne progresse pas de manière significative. Le vieillissement est un processus complexe et multi-factoriel, dont les mécanismes sous-jacents ne sont pas tous connus.
Cette thèse se penche sur les connaissances actuelles, révèle les lacunes de compréhension du vieillissement et explore l'intérêt d'une approche pluridisciplinaire, notamment avec l'utilisation croissante du machine learning, un domaine en plein essor. Des exemples concrets seront présentés pour illustrer la pertinence des modèles d'analyse déjà développé. Une dimension essentielle de la recherche sur le vieillissement réside dans la nécessité de dépasser les limites qui existent entre les différentes pathologies associées au vieillissement. En effet, alors que chaque pathologie est souvent étudiée de manière isolée, le vieillissement partage des mécanismes communs à l'origine de diverses affections, qui conditionnent le développement des approches thérapeutiques. La complexité de la validation des thérapies pour le vieillissement, en tant que processus biologique naturel, est accentuée par la nécessité d'optimiser les bénéfices tout en minimisant les risques. Face à ces défis, le machine learning joue un rôle crucial dans le repositionnement des autorisations de mise sur le marché (AMM) et dans le développement de nouvelles thérapies. Il contribue à optimiser les procédures de criblage, rendant le processus plus efficient en termes de coût et de temps.
Ainsi, l'objectif de ce travail de thèse est d'expliciter les fondements de cette discipline et de fournir des clés pour en faciliter la compréhension.
|
Date de soutenance: |
5 Mars 2024 |
Directeur(s) de thèse: |
Douin, Victorine and Ader, Isabelle |
Sujet(s): |
Thèses > Pharmacie |
Facultés: |
Facultés > Pharmacie |
Mots-clés libres: |
Vieillissement - Intelligence Artificielle - Machine Learning - Prédiction - Senothérapeutiques - Biomarqueurs |
Déposé le: |
03 Jan 2025 10:32 |
Actions (login required)
|
Voir document |