Date : Jeudi 20 novembre 2025
Heure : 13 h à 14 h, heure de l’Est
Lieu : Sur Zoom
Participez à notre prochain séminaire NISS–INCASS sur la science des données collaborative : « Deep Learning with ECG Data in the ICU: From Modelling to Actionable AI ».
Cette séance examinera comment les méthodes d’apprentissage profond peuvent être utilisées pour analyser les données d’électrocardiogramme (ECG) recueillies dans les unités de soins intensifs (USI), où une interprétation rapide et fiable de l’information clinique est essentielle. La discussion couvrira l’ensemble du processus — des avancées méthodologiques dans la modélisation des signaux ECG jusqu’à la traduction des résultats issus de l’IA en outils pouvant soutenir la prise de décision en temps réel au chevet des patients. Ensemble, les conférenciers feront le lien entre les perspectives de l’informatique et celles de la pratique clinique, offrant un aperçu à la fois des défis techniques liés à la modélisation de données physiologiques temporelles de haute dimension et des considérations pratiques nécessaires pour rendre l’IA digne de confiance, interprétable et exploitable en soins critiques.
Ce séminaire mettra en vedette David Maslove (Université Queen’s et Kingston Health Sciences Centre) et Parvin Mousavi (Université Queen’s). Il sera animé par Joel Dubin (Université de Waterloo).
David Maslove est clinicien-chercheur aux départements de médecine et de médecine des soins intensifs de l’Université Queen’s, et interniste–intensiviste au Kingston Health Sciences Centre. Ses recherches portent sur l’utilisation de données physiologiques et génomiques pour faire progresser la médecine de précision en USI. Dr Maslove a complété ses études médicales et sa résidence en médecine interne à l’Université de Toronto. Il s’est spécialisé en médecine des soins intensifs à l’Université Stanford, où il a également réalisé des études supérieures en informatique biomédicale. Il est membre du Canadian Critical Care Trials Group et de la Society of Critical Care Medicine, et depuis 2018, il est rédacteur adjoint responsable du journal Data Science for Critical Care Medicine. Voir le profil.
Parvin Mousavi est directrice de l’École d’informatique de l’Université Queen’s. Ses intérêts de recherche portent sur le diagnostic et les interventions assistés par ordinateur, notamment :
Joel Dubin est un statisticien méthodologue de premier plan spécialisé dans l’analyse de données longitudinales, en particulier les issues multivariées et variables dans le temps. Il développe des outils pour modéliser de multiples mesures physiologiques au fil du temps — telles que la fréquence cardiaque, la fréquence respiratoire ou la tension artérielle — en utilisant des techniques avancées comme les méthodes basées sur les courbes, les dérivées et les effets décalés. Il travaille aussi sur les modèles à points de rupture et réponses latentes, les modèles de prédiction basés sur la similarité entre sujets, ainsi que sur des méthodes permettant de traiter les données manquantes et la complexité des données de santé réelles.
Ses recherches couvrent de nombreux domaines d’application, dont les soins intensifs, les dossiers de santé électroniques, la santé mobile, les populations pédiatriques et âgées, la néphrologie, le cancer, la nutrition, le sevrage tabagique et la santé environnementale. Dr Dubin a obtenu une maîtrise en statistiques appliquées à l’Université Villanova, avant de travailler en recherche sur les services de santé au U.S. Veterans Affairs et au MD Anderson Cancer Center. Il a complété un doctorat en statistique à l’Université de Californie–Davis, suivi d’un poste professoral à l’Université Yale. En 2005, il s’est joint à l’Université de Waterloo avec une double nomination en statistique et science actuarielle ainsi qu’en études de santé et gérontologie (aujourd’hui l’École des sciences de la santé publique).
Voir le profil.
À une époque où les données transcendent les frontières traditionnelles, il n’a jamais été aussi crucial de favoriser la collaboration interdisciplinaire. En partenariat avec le National Institute of Statistical Sciences (NISS), nous sommes fiers de présenter la série de séminaires NISS-INCASS sur la science des données collaborative, consacrée à la mise en lumière du travail des data scientists et des experts de différents domaines scientifiques qui collaborent pour faire progresser la science. Cette initiative célèbre le pouvoir de la collaboration, en démontrant comment l’intégration de la science des données avec diverses disciplines peut stimuler l’innovation, résoudre des problèmes complexes et repousser les frontières de la connaissance au-delà du domaine des statistiques.
Chaque session sera animée par deux intervenants : un data scientist et un expert d’un autre domaine ayant collaboré avec succès pour obtenir des résultats percutants. Grâce à leurs expériences et à leurs connaissances partagées, les participants acquerront une compréhension approfondie des processus collaboratifs qui comblent les écarts entre différents horizons scientifiques. Ces séminaires mettront non seulement en lumière des partenariats réussis, mais offriront également une plateforme d’échange d’idées, de méthodologies et de bonnes pratiques, inspirant de nouvelles collaborations.