Deep learning methods in epidemiology and their applications to electronic health databases - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2021

Deep learning methods in epidemiology and their applications to electronic health databases

Epidémiologie profonde : méthodes d’apprentissage profond et leurs applications sur des bases de données médico-administratives

Résumé

The exploitation of electronic health databases has gained a significant amount of interest in fields such as epidemiology or public health. On another hand, the raise of machine learning, and most specifically deep learning in the past decade has led to the development of entire families of powerful models fit to analyse complex, non-linear interactions on massive and unstructured datasets, some of whom have already been successfully applied to electronic health database analysis. The purpose of this thesis is twofold. First, this thesis is meant as an introduction to modern deep artificial neural network based models to epidemiologists and biostatisticians, through a reformulation of of these methods in a purely statistical framework, as oppoed to the cognitivist and computational background they are often associated with. We'll show among other things how these methods sometimes denoted as “algorithms” actually share a profound relationship with more traditional statistical predictive models commonly used in health sciences, such a linear or logistic regression. All deep learning methods from simple multilayer peceptron to modern attention based sequence to sequence models typically used in natural language processing will be introduced, and an innocative example of application of these methods will be shown through the design of a novel method for ordinal regression analysis using recurrent neural networks. Finally, this thesis will showcase some practical applications of these methods on an example of real electronic health database, the Centre for Epidemiology on medical causes of death (CépiDc) database, with results ranging from the acceleration of cause of death statistics production leading to the real time production of comorbidity statistics on covid-19 related deaths during the first lockdown, to the design of a study investigating the comparability of mortality statistics at the international scale.
L’exploitation des bases de données médico administratives est récemment devenue un sujet d’importance en épidémiologie et santé publique. Parallèlement, la dernière décade a été témoin de la démocratisation des méthodes dites d’apprentissage machine, et tout particulièrement d’apprentissage profond, qui propose toute une famille de puissants modèles prédictifs tout particulièrement adaptés à l’analyse de complexes interactions non linéaires dans des jeux de données autant massif que non structurés, et dont certaines ont déjà été appliquées avec succès sur des bases médico administratives par le passé. L’objectif de cette thèse est double. En premier lieu, cette thèse se veut être une introduction pour les épidémiologistes et biostatisticiens aux méthodes modernes d’apprentissage profond, à travers un travail de reformulation de ces méthodes dans une optique purement statistique, par opposition au langage cognitiviste ou computationnel auquel elles sont souvent associées. On exposera notamment que l’intégralité des méthodes modernes d’apprentissage profond, ce jusqu’aux modèles de séquence typiquement utilisés en traitement du langage naturel, peuvent s’exprimer en termes de modèles prédictifs, et notamment comme des extensions du concept de modèle linéaire généralisé. Un exemple innovant d’application de ces méthodes au problème de modélisation de variable ordinale sera également introduit pour montrer l’adaptabilité de ces méthodes à tout un spectre de problèmes régulièrement rencontrés dans des contextes de science des données médicales. Dans un second temps, ces concepts d’apprentissage profond seront directement appliqués à une base de données médico-administrative, la base du Centre d’Epidémiologie sur les Causes médicales de Décès (CépiDc) pour illustrer leur potentiel, autant d’un point de vue purement méthodique que pratique, avec des résultats variant d’une accélération de la production des données de mortalité par cause ayant notamment permis la production en temps réel de statistiques de comorbidités relatives aux décès liés à la covid-19 pendant le premier confinement, à l’élaboration d’une étude sur la question de la comparabilité des statistiques de mortalité à l’échelle internationale.
Fichier principal
Vignette du fichier
101462_FALISSARD_2021_archivage.pdf (9.59 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03402715 , version 1 (25-10-2021)

Identifiants

  • HAL Id : tel-03402715 , version 1

Citer

Louis Falissard. Deep learning methods in epidemiology and their applications to electronic health databases. Santé publique et épidémiologie. Université Paris-Saclay, 2021. English. ⟨NNT : 2021UPASR019⟩. ⟨tel-03402715⟩

Collections

INSERM STAR GENCI
362 Consultations
294 Téléchargements

Partager

Gmail Facebook X LinkedIn More