• Aucun résultat trouvé

Quand les données s'ouvrent : Opportunités et nouveaux défis pour mieux comprendre notre cerveau

N/A
N/A
Protected

Academic year: 2021

Partager "Quand les données s'ouvrent : Opportunités et nouveaux défis pour mieux comprendre notre cerveau"

Copied!
48
0
0

Texte intégral

(1)

HAL Id: inserm-02453874

https://www.hal.inserm.fr/inserm-02453874

Submitted on 24 Jan 2020

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Quand les données s’ouvrent : Opportunités et nouveaux défis pour mieux comprendre notre cerveau

Camille Maumet

To cite this version:

Camille Maumet. Quand les données s’ouvrent : Opportunités et nouveaux défis pour mieux com-prendre notre cerveau. Journée Santé et IA, Jan 2020, Paris, France. �inserm-02453874�

(2)

Quand les données s’ouvrent :

Opportunités et nouveaux

défis pour mieux

comprendre notre cerveau

Camille Maumet

Univ Rennes, Inria, CNRS, Inserm

IRISA UMR 6074, Empenn ERL U-1228

@cmaumet

(3)

La neuroimagerie

(4)

3

2015 : médiane de 30

participants par étude

Tailles des études de

neuroimagerie

(5)

Le Monde Pixels, “Une étude démontre les biais de la reconnaissance faciale”, Perrine Signoret.

Représentativité de l’espace d’entraînement

(6)

Plus rapides à 40 ans

qu’à 20 ans ?

The Guardian, “Why are middle-aged marathon runners faster than twenty somethings?”. Oliver Balch

Biais de sélection

(7)

The Atlantic Science, “A waste of 1000 research papers”, Ed Yong.

Effet de vibration des résultats

(8)

7

2015 : médiane de 30

participants par étude

Tailles des études de

neuroimagerie

[Poldrack et. al, Nature Neuroscience 2017]

Représentativité

Biais de sélection

(9)

Quand les données

(10)

Les données ouvertes

Crédits : Cerveaux, Neil Conway, Flickr (CC BY 2.0)

“Les données ouvertes ou

open data sont des données

numériques dont l'accès et

l'usage sont laissés libres aux

usagers.”

Wikipedia

(11)

Statistiques Préparation des

données

Mesures

Ouvrir les données d’une étude

(12)

Communauté

scientifique

Statistiques Préparation des données Mesures

(13)

Communauté

scientifique

Statistiques Préparation des données Mesures

(14)

Données ouvertes

Étude unique

30 participants

(15)

Créer un consortium

Site 1 Site 2 Site n

(16)

Créer un consortium

Site 1 Site 2 Site n

Communauté

scientifique

(17)

Créer un consortium

Site 1 Site 2 Site n

Statistiques Préparation des données Mesures dérivées

Communauté

scientifique

(18)

Données ouvertes

Étude unique

30 participants

Consortium

1000 participants

(19)

Créer une ressource commune

Communauté

scientifique

(20)

Créer une ressource commune

Statistiques Préparation des données Mesures dérivées Statistiques Préparation des données Mesures dérivées Statistiques Préparation des données Mesures dérivées Statistiques Préparation des données Mesures dérivées

Communauté

scientifique

14

(21)

Données ouvertes

Étude unique

30 participants

Consortium

1000 participants

Cohorte

100 000 participants

(22)

Données ouvertes

+ Images

+ Homogène

- Exemplaires

Étude unique

30 participants

Consortium

1000 participants

Cohorte

100 000 participants

(23)
(24)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Image credits: Parcels 1 2 & 4 (CC0), Parcel 3 (CC0), Parcel 5 (CC0).

Défi 1 : Publier plus que nos articles !

(25)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Image credits: Parcels 1 2 & 4 (CC0), Parcel 3 (CC0), Parcel 5 (CC0).

Défi 1 : Publier plus que nos articles !

(26)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Défi 1 : Publier plus que nos articles !

(27)

Données et méta-données

Un langage commun

Standards pour le partage de

données

(28)

Brain Imaging Data Structure

Utilisé par plus de 60

laboratoires dans le monde

Données anonymisées de

> 20 000 participants

IRM, MEG, EEG

Slide by R. Poldrack & K. Gorgolewski (CC BY), adaptée..

[Gorgolewski et. al, Scientific Data 2016]

19 En collaboration avec

Stanford Uni, Krys Gorgolewski.

(29)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Défi 1 : Publier plus que nos articles !

(30)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Défi 1 : Publier plus que nos articles !

(31)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Défi 1 : Publier plus que nos articles !

(32)

Statistiques Préparation des données Mesures dérivées HAL, Pubmed

Défi 1 : Publier plus que nos articles !

(33)

OpenAIRE-Connect

En collaboration avec CNR Italie, Paolo Manghi.

(34)

Défi 2 : Travailler avec des données

hétérogènes

Statistiques Préparation des données Mesures dérivées 22

(35)

Statistiques Préparation des

données

Mesures dérivées

1

Défi 2 : Travailler avec des données

hétérogènes

(36)

Statistiques Préparation des données Mesures dérivées Mesures dérivées

1

2

Défi 2 : Travailler avec des données

hétérogènes

(37)

Variabilité analytique

Statistiques Préparation des données Mesures dérivées 23

(38)

Variabilité analytique

Correction des effets liés au mouvement Débruitage

etc.

(39)

Variabilité analytique

(40)

Variabilité analytique

≠ algorithme

≠ algorithme

(41)

Variabilité analytique

≠ logiciel

≠ logiciel

≠ algorithme

(42)

Variabilité analytique

≠ version ≠ logiciel ≠ version ≠ algorithme 23

(43)

Variabilité analytique

≠ paramètres ≠ logiciel ≠ paramètres ≠ version ≠ algorithme 23

(44)

Variabilité analytique

≠ environnement ≠ logiciel ≠ paramètres ≠ version ≠ environnement ≠ algorithme 23

(45)

Variabilité analytique

≠ logiciel ≠ paramètres ≠ version ≠ environnement ≠ algorithme 23

(46)

Variabilité analytique en IRM

Liée aux algorithmes

[Carp, Front. Neuroscience 2012]

Liée à la version

[Groenenschild, PlosOne, 2012]

Liée au système d’exploitation

[Glatard, Front. Neuroinformatics 2015]

24

Liée au logiciel

[Bowring et. al, HBM 2019]

En collaboration avec Uni. of Oxford, Thomas Nichols & Alex Bowing.

(47)

Défi 2 : Travailler avec des données

hétérogènes

Statistiques Préparation des données Mesures dérivées Mesures dérivées

1

2

25

(48)

47

Merci

Camille Maumet

Univ Rennes, Inria, CNRS, Inserm, IRISA UMR 6074, Empenn ERL U-1228

http://camillemaumet.com

|

cmaumet

https://team.inria.fr/empenn/

|

empenn_lab

Quand les données s’ouvrent :

Opportunités et nouveaux

défis pour mieux comprendre

notre cerveau

Références

Documents relatifs

Il est à noter que les séquences élaborées dans ce cadre étaient programmées pour une heure mais 1H30 serait préférable si l’on souhaite prendre le temps de travailler de

internationales de sécurité intérieure au sein d’une direction dédiée La dimension communautaire et internationale des politiques publiques s’est considérablement affirmée,

Si vous souhaitez compléter votre couverture santé CSMR, pour répondre à vos besoins de remboursement sur des postes onéreux, vous pouvez souscrire à l’option de renfort

En effet, il a été montré qu’un excès de soufre alimentaire est à l’origine à la fois d’une diminution de la synthèse de thiamine dans le rumen et de perturbations

L’initiative de la Francophonie pour des Villes durables s’inscrit dans la continuité du programme « Ville, Energie et Environnement » mis en place par l’Institut de

L’hyperhidrose généralisée idiopathique est rare et doit rester un diagnostic d’élimination et faire rechercher une pathologie sous jacente ou une cause médicamenteuse

Les bactéries anaérobies intestinales portent une grande diversité de gènes de résistance, exceptionnellement transmis aux bactéries pathogènes. Elles peuvent protéger le

Le multilinguisme : des solutions existent pour réduire les barrières des langues. Emmanuel Tonnelier