Soutenance de thèse Bruno Michelot "Déceler les indices cachés de la conscience grâce aux outils d'intelligence artificielle : explorations longitudinales du retour de la conscience après un coma, du comportement aux mesures multimodales synchronisées"

J'ai le plaisir de vous convier à ma soutenance de thèse intitulée "Déceler les indices cachés de la conscience grâce aux outils d'intelligence artificielle : explorations longitudinales du retour de la conscience après un coma, du comportement aux mesures multimodales synchronisées". Vous trouverez un résumé en PJ. 

Celle-ci aura lieue le jeudi 18 décembre à 15h dans l’amphithéâtre du Neurocampus (Bâtiment 462 - Neurocampus, 95 Bd Pinel, 69500 Bron). 

Le jury sera composé de : 

• Pr. Catherine Tallon-Baudry : Rapporteure
• Pr. Marzia De Lucia : Rapporteure
• Pr. Jacques Luauté : Examinateur
• Pr. Fabrice Ferré : Examinateur
• Pr. Fabien Perrin : Directeur de thèse
• Pr. Stefan Duffner : Co-directeur de thèse 

Pour celles et ceux qui ne pourront pas être sur place, la soutenance sera retransmise en visioconférence au lien suivant : https://univ-lyon1.webex.com/meet/fabien.perrin

La soutenance sera suivi d'un pot à la cafétéria du Neurocampus auquel vous êtes toutes et tous convié.e.s !

Résumé

La conscience peut disparaître brutalement à la suite d’une lésion cérébrale sévère, entraînant le coma, un état défini par une abolition totale de réactivité. La récupération peut alors s’effectuer le long du spectre des troubles de la conscience (DoC), au cours duquel le patient retrouve progressivement des capacités cognitives et comportementales. L’évaluation de ces patients constitue un enjeu crucial car elle conditionne le diagnostic, le pronostic, les choix thérapeutiques et les décisions éthiques. 

Pourtant, cette évaluation reste encore trop imparfaite : les échelles comportementales de référence manquent de continuité et de granularité, entraînant des erreurs diagnostiques et ne reflétant pas toujours le jugement subjectif des soignants (qui semble central dans leurs décisions cliniques et performant pour le diagnostic), tandis que les mesures cérébrales qui la complémente mettent en évidence des dissociations entre l’activité cérébrale et le comportement. Dans ce contexte, les technologies issues de l’intelligence artificielle ouvrent la voie à une évaluation plus fiable et intégrative du comportement en permettant une analyse continue, objective, fine, et synchronisée avec d’autres mesures. 

Dans une première étude, nous avons développé un outil d’évaluation comportemental basé sur la vision par ordinateur, l’apprentissage automatique et l’explicabilité de modèles. Nous avons validé sa pertinence chez des individus conscients, en montrant que nos modèles pouvaient discriminer différents contextes environnementaux (par ex. le repos, la musique ou les récits autobiographiques) à partir de signatures comportementales subtiles et spontanées mises en évidence par les méthodes d’explicabilité.

Dans une seconde étude, nous avons exploré la subjectivité des soignants dans l’évaluation des patients DoC à travers (1) une approche prospective, où nous montrons que les soignants mobilisent significativement leur subjectivité, un vocabulaire spécifique (conscience, présence, éveil) et des indices corporels et comportementaux précis pour décrire les patients ; (2) l’utilisation de notre outil, où nous montrons que des modèles d’apprentissage prédisent significativement les évaluations subjectives de la conscience, présence et éveil fournies par les soignants, notamment grâce à des instants spécifiques d’expressions faciales, de mouvements de la tête et du regard des patients. Nous observons également que les soignants s’appuient sur des dimensions distinctes selon les caractéristiques comportementales propres à chaque patient.

Dans une troisième étude, nous avons conduit une investigation longitudinale, multimodale et synchronisée du comportement, de l’activité cérébrale et cardiaque chez les patients DoC. Nous montrons la pertinence de notre outil pour analyser les variations de ces modalités en fonction des états de conscience, décrire des profils individuels d’évolution multimodale des patients en apportant une granularité supplémentaire à l’étude des dissociations et enfin révéler des dynamiques fines de couplage cerveau–corps–environnement. Ces couplages sont absents chez les patients en coma, présents mais altérés chez les patients en syndrome d’éveil non répondant (UWS) et en état de conscience minimale (MCS). Ce travail ouvre de nombreuses perspectives cliniques, en offrant un moyen d’affiner l’évaluation de la récupération de la conscience, et théoriques, en contribuant à une compréhension intégrée, individualisée et dynamique des mécanismes de la conscience et de sa récupération.

Mots-clés : Coma, Troubles de conscience, Vision par ordinateur, Apprentissage automatique, Explicabilité, Subjectivité soignante, Multimodalité, Synchronisation