AlzVR : Apprentissage statistique dans un environnement virtuel pour l'analyse et la prédiction de la sévérité cognitive d'un patient atteint de la maladie d'Alzheimer.

par Florian Maronnat

Projet de thèse en Informatique

Sous la direction de Khalifa Djemal et de Samir Otmane.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec IBISC - Informatique, BioInformatique, Systèmes Complexes (laboratoire) et de Université d'Évry-Val-d'Essonne (établissement de préparation de la thèse) depuis le 01-10-2018 .


  • Résumé

    La maladie d'Alzheimer est une maladie neurodégénérative qui est diagnostiquée à l'issue de différents symptômes. En effet, cette maladie est une réduction acquise des capacités cognitives suffisamment importante pour se répercuter sur la vie du patient et entraîner une perte d'autonomie. La perte de mémoire est souvent le premier symptôme dont se plaignent les personnes et qui permet d'orienter le diagnostic. Ensuite, surviennent des troubles des fonctions exécutives, des troubles de l'orientation spatio-temporelle, puis progressivement s'installent des troubles du langage, de l'écriture, du mouvement, du comportement, des troubles de l'humeur et des troubles du sommeil avec une insomnie [1]. Les zones particulièrement atteintes peuvent être la mémoire, l'attention et le langage. Dans les dernières étapes de la démence, les personnes atteintes peuvent être désorientées en temps (ignorant le jour, la semaine, le mois ou l'année), en lieu (ignorant où ils se trouvent) ou en personne (ignorant qui ils sont) [2]. Dans ce cadre, l‘identification des symptômes et les signes des pathologies d'Alzheimer restent des tâches très importantes dans un système d'aide au diagnostic médical. Plusieurs approches ont été développées pour aider les spécialistes de la maladie à diagnostiquer et à reconnaitre le niveau de sévérité des patients. Ces approches sont souvent basées sur les tests neuropsychologiques classiques. Par conséquent, on arrive à obtenir un diagnostic de probabilité lors de l'interrogatoire de l'entourage, du patient au cours duquel les tests MMS (Mini Mental State) et de Dubois sont appliqués et via des examens neuropsychologiques telle que l'épreuve de Grober-Buschke [2, 3]. Face à ces besoins émergents, en matière de compréhension, d'évaluation et de rééducation du fonctionnement en situation de vie quotidienne, la neuropsychologie a montré un intérêt croissant pour un domaine scientifique et technique, qui est la réalité virtuelle. Les interactions proposées sont généralement basées sur les capacités naturelles humaines, de perception, de cognition, d'action et de communication [4, 5, 6, 7, 8]. En effet, la réalité virtuelle (RV) offre depuis quelques années des perspectives pour détecter des troubles liés à la maladie, évaluer son avancement et à terme pouvoir rééduquer le patient. La réalité virtuelle appliquée en neuropsychologie a montré sa capacité à répondre à des besoins variés [9, 10]. Ce constat positif, montre l'intérêt grandissant de la RV pour construite des systèmes d'identification de la maladie et d'aide aux patients en s'appuyant sur des techniques d'apprentissage statistique qui conduisent à l'évaluation des tâches cognitives [11, 12,13 14]. Ce type d'environnement présente plusieurs avantages : • Travailler dans un environnement virtuel assurant la sécurité du patient ; • Maîtriser des données qui décrivent le comportement virtuel du patient. Ces données doivent consolider le modèle d'apprentissage de plusieurs tâches cognitives ; • Changer d'environnement virtuel sans instrumentations supplémentaires. Les objectifs de cette thèse sont : 1) De concevoir un environnement virtuel adapté aux interactions avec les personnes atteintes de la maladie d'Alzheimer. 2) De développer un modèle d'apprentissage statistique construit à partir de plusieurs tâches cognitives réalisées par plusieurs patients et d'autres normaux dans cet environnement virtuel. 3) Intégrer le modèle d'apprentissage dans un système décisionnel pour évaluer en temps réel la qualité des tâches réalisées par les malades. 4) Mettre en place un modèle de prédiction de la sévérité cognitive d'un patient. En effet, ce modèle basé sur les modèles d'apprentissage et décisionnel, conduira à une prédiction dans le temps de la sévérité cognitive. 5) Réaliser des expérimentations dans la salle de réalité virtuelle et augmentée EVR@ du laboratoire IBISC (http://evra.ibisc.univ-evry.fr/)

  • Titre traduit

    AlzVR, Machine learning in virtual environment for the analysis and prediction of the cognitive severity of Alzheimer's patient.


  • Résumé

    Alzheimer's disease is a neurodegenerative disease that is diagnosed as a result of various symptoms. In fact, this disease is an acquired reduction in cognitive capacity that is important enough to affect the patient's life and lead to a loss of autonomy. Memory loss is often the first symptom complained of by people and helps guide the diagnosis. Then there are disorders of the executive functions, disorders of the spatio-temporal orientation, then progressively settle disorders of the language, the writing, the movement, the behavior, the disorders of the mood and disorders of the sleep with insomnia [1]. Particularly affected areas can be memory, attention and language. In the final stages of dementia, sufferers may be disoriented in time (ignoring day, week, month or year), in place (not knowing where they are) or in person (unaware who they are) [2]. In this context, the identification of symptoms and the signs of Alzheimer's pathologies remain very important tasks in a medical diagnostic aid system. Several approaches have been developed to help disease specialists diagnose and recognize the severity of patients. These approaches are often based on classical neuropsychological tests. Consequently, a probability diagnosis can be obtained during the interrogation of the patient's entourage, the patient in which the MMS (Mini Mental State) and Dubois tests are applied and via neuropsychological examinations such as Grober-Buschke [2, 3]. With these emerging needs, in terms of understanding, evaluating and re-educating functioning in everyday situations, neuropsychology has shown a growing interest in a scientific and technical field, which is Virtual Reality (VR). The proposed interactions are generally based on the natural human capacities of perception, cognition, action, and communication [4, 5, 6, 7, 8]. Indeed, VR offers for some years perspectives to detect disorders related to the disease, evaluate its progress and eventually rehabilitate the patient. Virtual reality applied in neuropsychology has shown its ability to meet a variety of needs [9, 10]. This positive observation shows the growing interest of VR in constructing systems for identifying the disease and helping patients by using statistical learning techniques that lead to the evaluation of cognitive tasks [11, 12, 13, 14]. This type of environment has several advantages: 1) Work in a virtual environment that ensures patient safety; 2) Control data that describes the virtual behavior of the patient. These data must consolidate the learning model of several cognitive tasks; 3) Change virtual environment without additional instrumentation. The objectives of this Phd thesis are: 1) Design a virtual environment suitable for interactions with people with Alzheimer's disease. 2) Develop a statistical learning model built from several cognitive tasks performed by several patients and others normal in this virtual environment. 3) Integrate the learning model into a decision-making system to evaluate in real time the quality of the tasks performed by patients. 4) Set up a model for predicting the cognitive severity of a patient. Indeed, this model based on learning and decision models, will lead to a prediction in time of cognitive severity. 5) Perform experiments in the virtual reality and augmented EVR @ room of the IBISC laboratory (http://evra.ibisc.univ-evry.fr/)