Série de séminaires sur l'IA 2022 : Katrina Kalantar

Le AI Seminar est une réunion hebdomadaire à l'Université de l'Alberta où les chercheurs intéressés par l'intelligence artificielle (AI) peuvent partager leurs recherches. Les présentateurs comprennent à la fois des conférenciers locaux de l'Université de l'Alberta et des visiteurs d'autres institutions. Les sujets peuvent être liés de quelque manière que ce soit à l'intelligence artificielle, qu'il s'agisse de travaux théoriques fondamentaux ou d'applications novatrices de techniques d'IA à de nouveaux domaines et problèmes.

Le 16 septembre, Katrina Kalantar, biologiste informaticienne à l'initiative Chan Zuckerberg, a présenté "Méthodes d'amélioration du diagnostic des maladies infectieuses" lors du séminaire sur l'IA.

Les maladies infectieuses sont l'une des principales causes de morbidité et de mortalité dans le monde. L'un des défis persistants dans la lutte contre les maladies infectieuses réside dans la capacité à diagnostiquer avec précision l'étiologie des infections à l'aide de diagnostics cliniques standard. Le séquençage métagénomique de nouvelle génération (mNGS) a transformé la surveillance des maladies en permettant la détection et l'identification rapides et impartiales des microbes sans réactifs spécifiques aux pathogènes, sans culture ni connaissance a priori du paysage microbien. Cependant, l'analyse des données mNGS nécessite une série d'étapes de traitement informatique intensif pour déterminer avec précision la composition microbienne d'un échantillon et un traitement en aval pour traduire les données multidimensionnelles en informations exploitables. Dans cet exposé, Katrina Kalantar présente le travail effectué par notre équipe pour développer des outils et faciliter les formations qui permettent aux chercheurs du monde entier d'analyser les données mNGS, afin de mieux comprendre la composition microbienne de divers types d'échantillons. Katrina Kalantar explique ensuite comment ces outils ont été appliqués avec une variété de techniques d'apprentissage automatique pour améliorer le diagnostic des infections dans deux cohortes de patients distinctes. Dans une première étude, ces outils ont été appliqués à une cohorte de 92 adultes souffrant d'insuffisance respiratoire aiguë due à des causes infectieuses et non infectieuses, et le développement de modèles de régression logistique a permis d'améliorer le diagnostic des infections des voies respiratoires inférieures. Dans une étude de suivi récente, des machines à vecteurs de support ont été entraînées à classer les patients atteints ou non de septicémie dans une cohorte hétérogène de patients gravement malades. Dans l'ensemble, cet exposé mettra en évidence la valeur de la mNGS pour le diagnostic des maladies infectieuses, les outils qui sous-tendent la capacité de développement et les considérations relatives au développement précoce d'outils de diagnostic.

Regardez la présentation complète ci-dessous :

Tenez-vous au courant de la série de séminaires sur l'IA en vous inscrivant à la liste de diffusion.

Découvrez comment Amii fait progresser la recherche de pointe en matière d'intelligence artificielle et d'apprentissage automatique : visitez notre site Web. Recherche page.