S茅minaire de recherche: 芦 No causality in - No causality out: Utility and limits of machine learning in drug safety research 禄 par Tibor Schuster, PhD
Les principaux int茅r锚ts m茅thodologiques du professeur Schuster portent sur l'茅laboration et l'application de m茅thodes d'inf茅rence causale pour la conception et l'analyse d'essais cliniques comparatifs al茅atoires en grappes et de recherches par observation fond茅es sur des donn茅es administratives ou 茅lectroniques de dossiers m茅dicaux.
Les m茅thodes d'apprentissage machine gagnent en popularit茅 dans les 茅tudes sur l'innocuit茅 des m茅dicaments 脿 l'aide de grandes bases de donn茅es d'observation. Les applications comprennent l'identification des facteurs de risque pour les r茅sultats de sant茅 critiques et la classification des patients en strates de risque afin d'optimiser les recommandations de traitement individuelles et la surveillance au cours du traitement. Les facteurs modificateurs de risque peuvent 锚tre des caract茅ristiques invariantes d'un individu, mais aussi des expositions d茅pendantes du temps. Les interactions m茅dicamenteuses involontaires qui sont difficiles 脿 mod茅liser 脿 l'aide d'approches conventionnelles d'analyse des donn茅es (p. ex. les mod猫les de r茅gression des risques) en raison de la nature complexe et dynamique dans le temps des expositions multiples aux m茅dicaments constituent une menace particuli猫re. Dans son discours. Le professeur Schuster montrera des exemples sur la fa莽on dont les approches d'apprentissage machine peuvent 锚tre utilis茅es pour aider 脿 identifier les pr茅dicteurs de risque potentiels dans des contextes de donn茅es complexes. Il d茅montrera les limites des approches de ML dans les situations o霉 l'ordre temporel des informations d'entr茅e (candidats pr茅dicteurs) est ignor茅 et o霉 le biais de stratification des collisionneurs rendra invalides les approximations d'importance variable estim茅e et les estimations des effets associ茅s pour leurs 茅quivalents causaux
Rejoignez-nous ensuite pour l'茅v茅nement "Buck-a-beer" de 16h 脿 18h pour le corps professoral, le personnel et les 茅tudiants.听
* La bi猫re sera vendue 脿 1$ l'unit茅.听
D茅partement de m茅decine de famille
5858, chemin听de la C么te-des-Neiges, salle 300
Il n'y a pas de stationnement sur le site et le stationnement est limit茅 dans la r茅gion.
Les taxis et les transports publics sont donc conseill茅s.
Vous ne pouvez pas assister physiquement au s茅minaire, mais vous aimeriez y assister ? Veuillez vous joindre au webinaire听.
(Note : Les 茅tudiants du FMED 504 doivent assister 脿 ce s茅minaire)
