À l’issue de cet enseignement, l’étudiant devrait être capable de :
- Comprendre les principes fondamentaux de l’algorithmique et leur utilité pour l’analyse de données biomédicales et de santé ;
- Comprendre une question biomédicale ou de santé en données d’entrée, étapes d’analyse et résultats attendus grâce à l’algorithmique :
- Retrouver et interpréter des algorithmes simples à l’aide de pseudo-code ou de programmes fournis.
- Comprendre leur utilisation pour identifier des maladies, des expositions ou des événements de santé dans différentes sources de données.
- Évaluer de manière critique leur validité et leurs limites dans des contextes de recherche biomédicale et dans des données issues de la vie réelle en santé.
Ces acquis d’apprentissage sont susceptibles d’être ajustés en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, ils seront précisés au début du cours et sur la plateforme Webcampus.
Cet enseignement vise à familiariser les étudiants en sciences biomédicales avec la pensée algorithmique et la traduction d’un problème scientifique en une succession d’étapes explicites et reproductibles.
Il devrait leur permettre de relier les concepts informatiques abordés lors des travaux pratiques à des applications concrètes portant sur les données biomédicales, cliniques et épidémiologiques.
Une attention particulière pourrait être portée aux algorithmes permettant de rechercher, classer, transformer ou résumer des données de santé, ainsi que d’identifier des maladies, des expositions médicamenteuses et des trajectoires de soins.
Le cours devrait aborder, à un niveau introductif, les thématiques suivantes :
- Principes généraux de l’algorithmique en bioinformatique ;
- Représentation, structuration et traitement de données biomédicales : variables, tableaux, fonctions et fichiers ;
- Identification algorithmique de maladies, d’expositions et d’événements de santé dans les dossiers de santé et les bases médico-administratives ;
- Applications biomédicales illustratives ;
- Biais et limites des algorithmes dans les bases de données de santé et interprétation critique.
Ce contenu pourra être ajusté en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, il sera précisé au début du cours et sur la plateforme Webcampus.
1. Introduction à l’algorithmique appliquée aux données biomédicales et de santé
2. Représentation, structuration et traitement des données
3. Algorithmes d’identification des événements de santé dans les bases de données de santé
4. Exemples illustratifs
5. Lecture critique et usage responsable des algorithmes en santé
6. Travaux pratiques
Cette table des matières est indicative et pourra évoluer en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, elle sera précisée au début du cours et sur la plateforme Webcampus.
Les modalités d’enseignement allient des cours théoriques et des travaux pratiques. Les attentes, l’organisation pratique et les modalités de participation seront précisées au début du cours.
Selon la taille et la dynamique du groupe, les activités pourraient notamment comprendre :
- Des cours magistraux illustrés par des exemples issus de la recherche biomédicale, de l’épidémiologie et des bases de données médico-administratives de la vie réelle ;
- Des travaux pratiques progressifs en langage R/Python portant sur les structures de contrôle, les tableaux, les fichiers, les tests et la complexité de l’algorithmique ;
- De courtes études de cas visant à traduire une question de santé en algorithme ou en pseudo-code ;
- Des discussions critiques portant sur la validité, la performance et les limites des algorithmes utilisés en santé.
Ces modalités pourront être ajustées en fonction du calendrier, des ressources disponibles, du nombre d’étudiants inscrits et des besoins pédagogiques identifiés. Au besoin, elles seront précisées au début du cours et sur la plateforme Webcampus.
Les acquis d’apprentissage devraient être évalués au moyen d’un examen écrit portant sur la matière effectivement enseignée et signalée comme matière d’examen lors du cours. L’examen pourra comprendre des questions ouvertes à réponse courte et/ou l’interprétation d’un pseudo-code (avantages, but et limites) et/ou un court exercice d’application.
La participation à l’ensemble des travaux pratiques est attendue. Les notions et exercices qui y sont abordés pourront être mobilisés lors de l’évaluation finale, notamment sous la forme d’un algorithme à décomposer, d’un algorithme à interpréter et/ou d’une solution à discuter.
Les modalités d’évaluation demeurent susceptibles d’adaptation dans le respect des règles institutionnelles. Au besoin, elles seront précisées au début du cours et sur la plateforme Webcampus.
Ouvrages de référence
- Cormen T.H., Leiserson C.E., Rivest R.L., Stein C. Introduction to Algorithms. 4th edition. MIT Press ;
- Goldstein N.D. A Researcher’s Guide to Using Electronic Health Records: From Planning to Presentation. 2nd edition. CRC Press.
Supports pédagogiques
- Diapositives du cours mises à disposition sur Webcampus ;
- Dossier d’exercices de programmation mises à disposition sur Webcampus ;
- Articles scientifiques, jeux de données simplifiés et documents techniques sélectionnés par l’enseignant et mis à disposition sur Webcampus.
| Formation | Bloc | Crédits | Obligatoire |
|---|---|---|---|
| Master 120 en sciences biomédicales, à finalité spécialisée en biomedical data management | 1 | 8 | Oui |