Classification de séries temporelles pour la détection et la prédiction d'évènements critiques liés à l'anesthésie – Clinical

Les systèmes d'aide à la décision clinique sont généralement limités à la détection de seuils et de variances dans le cas de la surveillance de l'anesthésie. Ce projet vise à exploiter les potentialités des méthodes d'automatique, d'optimisation et d'apprentissage afin de proposer des approches génériques et interprétable permettant de fusionner les différentes données mesurées, et de concevoir des systèmes avancés pour la détection d'événements critiques et complexes. En outre, ce projet contribuera à résoudre des problèmes complexes liés à l'anesthésie, tels que la modélisation et l'estimation des dynamiques complexes, afin de mieux caractériser les réactions des patients aux médicaments, ainsi que pour améliorer la surveillance en présence d'incertitudes et d'événements critiques. L'atout particulier étant la disponibilité de grandes bases de données ouvertes, ainsi que de données annotées provenant d'autres projets, permettant de mieux caractériser les modèles largement utilisés, et donc d'obtenir un suivi efficace et personnalisé.