Thèse Modélisation par Intelligence Artificielle du Risque d'Entrée dans la Dépendance à Partir d'Approches Multidimensionnelles du Vieillissement Intégration de Cohortes Internationales et Donnée H/F

Université de Lille

Établissement : Université de Lille
École doctorale : Biologie Santé de Lille
Laboratoire de recherche : Bien viellir, de l'inflammaging à la prévention.
Direction de la thèse : Eric BOULANGER
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-28T23:59:59

Malgré l'abondance de données disponibles sur le vieillissement, il persiste un écart majeur entre la connaissance des facteurs de risque et la capacité à prédire individuellement l'entrée dans la dépendance, tant en termes de probabilité que de temporalité. Les approches actuelles reposent souvent sur des scores statiques, peu sensibles aux trajectoires individuelles et insuffisamment intégrés à une vision dynamique du parcours de santé.
En outre, la plupart des modèles existants décrivent l'entrée dans la dépendance comme un événement quasi inéluctable, sans réellement explorer la possibilité d'en modifier concrètement la trajectoire par des interventions ciblées sur les fragilités identifiées.

La question centrale de cette thèse est donc double :
-Peut-on modéliser de manière fiable l'entrée dans la dépendance en termes de probabilité et de délai à partir d'une approche multidimensionnelle du vieillissement ?
-Peut-on, à partir de ces modèles, estimer l'impact potentiel de la détection et de la réversion des (pré)fragilités sur la prévention ou l'éviction de la dépendance ?

Pour répondre à ces questions, il est nécessaire de s'appuyer sur des cohortes internationales de grande ampleur, permettant de consolider les modèles, des données cliniques de terrain, riches et multidimensionnelles, des méthodes d'intelligence artificielle et de gestion de Big Data, compatibles avec un usage clinique et préventif.

Ce projet ambitionne ainsi de proposer une nouvelle génération de modèles prédictifs, centrés non seulement sur le risque, mais également sur les trajectoires de vieillissement et les leviers de prévention.

L'entrée dans la dépendance constitue l'un des enjeux majeurs du vieillissement des populations. Elle représente non seulement un tournant individuel en termes de perte d'autonomie, mais également un défi collectif pour les systèmes de santé et de protection sociale. Malgré cela, la dépendance reste aujourd'hui insuffisamment anticipée, souvent abordée à un stade tardif, irréversible où l'on ne peut que l'accompagner par des aides humaines, matérielles et financières. Face au vieillissement de la population mondiale, ce constat expose les individus concernés à un impact négatif sur leur qualité de vieillissement mais également la société à un coût socio-économique majeur.

De nombreuses données suggèrent que l'entrée dans la dépendance est précédée d'une succession de préfragilités et de fragilités, touchant des dimensions multiples : fonctionnelles, cognitives, nutritionnelles, psychologiques, sociales et environnementales. Une partie significative de ces fragilités est potentiellement réversible, à condition d'être détectée précocement et prise en charge de manière ciblée.
Parallèlement, plusieurs grandes cohortes internationales rassemblant jusqu'à plusieurs centaines de milliers de patients ont déjà permis d'identifier des déterminants du vieillissement, de la fragilité et de la dépendance (UK Biobank, INSPIRE, etc.). Toutefois, ces cohortes rassemblant de nombreuses données sont peu intégrées à des démarches de prévention opérationnelle. Les modèles prédictifs issus de ces bases sont donc rarement transposés dans des parcours de soins réels.

Le programme « Bien vieillir, tempoforme®, Parcours Bien vieillir en Hauts-de-France » s'inscrit précisément à l'interface entre la recherche, prévention et pratique clinique. Il repose sur une évaluation multidimensionnelle des capacités fonctionnelles de plus de 1 300 patients, centrée sur l'identification des (pré)fragilités modifiables et donc la prévention de l'entrée dans la dépendance. Ce projet de thèse vise à articuler ces données cliniques réelles avec des cohortes internationales de référence, afin de développer des modèles robustes, généralisables et cliniquement pertinents, capables de prédire l'entrée dans la dépendance, mais également d'explorer les conditions de son éviction.

Objectif Primaire :
Développer des modèles prédictifs et interprétables de l'entrée dans la dépendance, intégrant des données multidimensionnelles issues de cohortes internationales et des données en vie réelle d'un parcours de prévention via le programme tempoforme®, afin d'évaluer les possibilités de prévention ou de report de la dépendance.

Objectifs Secondaires :
-Identifier les déterminants multidimensionnels associés à l'entrée dans la dépendance.
-Modéliser le temps jusqu'à l'entrée dans la dépendance à partir de données longitudinales.
-Décrire et classifier les trajectoires de parcours de santé menant à la dépendance.
-Comparer et intégrer les données issues de :
la cohorte tempoforme®
la cohorte INSPIRE (Gérontopôle de Toulouse)
la cohorte UK Biobank
-Simuler l'impact potentiel de la réversion des fragilités sur la prévention ou le report de la dépendance.
-Produire des modèles utilisables en médecine préventive du vieillissement.

Sources de données :
-Cohorte tempoforme® (1 300 patients, approche multidimensionnelle)
-Cohortes internationales de référence:
oINSPIRE (Toulouse)
oUK Biobank

Approche analytique :
-Harmonisation et alignement des variables entre cohortes
-Construction d'indicateurs multidimensionnels de fragilité
-Analyses de survie et modèles prédictifs : modèle de Cox, machine learning
-Modélisation des trajectoires de parcours de santé
-Scénarios contrefactuels : fragilités corrigées vs non corrigées
-Interprétabilité des modèles (importance des variables)