Ma première expérience chez Inria remonte à ma thèse, après un master en mathématiques appliquées. J’y ai fait une rencontre décisive : celle du professeur Alain Trouvé qui m’a convaincu de m’engager dans la voie de la recherche. J’ai effectué ma thèse au sein de l’équipe-projet Asclepios de Nicholas Ayache. Il m’a fait découvrir le monde fascinant de l’analyse automatique d’images médicales. Je suis parti ensuite en postdoctorat aux États-Unis, auprès du professeur Guido Gerig au Scientific computing and imaging institute , où j’ai continué mes recherches sur l’exploitation de données répétées dans le temps. On les appelle "données longitudinales". Ce sujet est resté l’un de mes thèmes de prédilection. Je suis ensuite revenu chez Inria, où j’ai été détaché dans l’équipe Aramis d’Olivier Colliot à l’Institut du cerveau et de la moelle épinière à Paris. À mon arrivée, l’équipe est devenue une équipe commune avec Inria.
Mes recherches consistent à construire des modèles numériques de la structure et de la fonction du cerveau. Ces modèles sont construits grâce à des programmes informatiques qui moyennent les informations contenues dans les images médicales d’un groupe de sujets ou de patients. Avec mes doctorants et postdoctorants, nous développons de nouveaux outils statistiques pour analyser ces données de neuro-imagerie qui sont particulièrement complexes : ce sont des images, des surfaces, des courbes qui représentent différentes facettes de l’anatomie et du fonctionnement cérébraux. Les applications de ces modèles numériques sont nombreuses : on peut visualiser les effets d’une pathologie sur le cerveau et donc aider les cliniciens à émettre des hypothèses sur les mécanismes biologiques de ces pathologies. En comparant les données d’un patient aux modèles, nous allons pouvoir réaliser des outils d’aide au diagnostic et au pronostic pour les maladies neurodégénératives (Alzheimer, Parkinson). Ces pathologies sont souvent diagnostiquées tard, car les premiers symptômes apparaissent à un stade avancé, après une longue phase silencieuse. À l’ICM sur le site de l’hôpital de la Pitié-Salpêtrière, nous sommes à l’endroit idéal pour mener cette recherche en interaction avec nos partenaires hospitaliers et les centres de référence sur de nombreuses maladies neurologiques.
Je suis passionné par la modélisation mathématique de problèmes complexes. En termes de complexité, le cerveau offre un terrain de jeu sans équivalent ! L’imagerie médicale nous permet aujourd’hui d’observer le cerveau in vivo dans son fonctionnement normal ou pathologique. Ces données fournissent une masse d’information capitale pour comprendre le cerveau et les maladies neurologiques. Mais ces données sont tellement complexes qu’on ne peut en retirer l’information pertinente qu’à l’aide d’outils mathématiques, statistiques et informatiques de plus en plus sophistiqués. Au cours de mon parcours, j’ai étudié des bases de données d’images cérébrales longitudinales : il s’agit de séries de clichés du cerveau de plusieurs individus, pris à différents moments de leur vie. À partir de ces données, mon objectif est de faire émerger des constantes dans l’évolution du cerveau. J’ai développé mes propres outils statistiques et algorithmiques pour faire émerger, au sein d’un échantillon d’individus, une forme moyenne et ses variations. Dans ce cadre, j’ai mis au point une méthodologie capable d’établir un scénario de croissance moyen de l’amygdale chez les enfants. Cela m’a permis de mettre en évidence une croissance de l’amygdale plus précoce chez les enfants autistes.
D’abord, je souhaite élargir mon équipe en recrutant au moins trois doctorants et un ou deux postdocs. Notre premier chantier sera de développer un nouveau corpus théorique pour construire des modèles dynamiques du cerveau au cours du vieillissement ou au cours de l’avancement d’une maladie. En effet, pour établir des scénarios moyens à partir d’observations d’individus répétées dans le temps, il faut comparer ce qui est comparable. Entre deux individus, une même maladie ne se déclare pas au même âge et n’évolue pas au même rythme. Le critère de l’âge est donc inopérant. Nous allons devoir inventer de nouveaux outils statistiques qui mettront automatiquement en correspondance les évènements semblables (comme l’apparition d’une lésion dans une certaine région du cerveau par exemple) qui arrivent à des moments différents pour chaque patient. Ainsi on replace la maladie dans la vie et l’histoire du patient.
