Tous les parcours

Parcours 9

IA en pharmacométrie

Modèles grey-box, Neural ODE et apprentissage automatique, avec validation et incertitude.

0 / 8 chapitres consultés9 activités0 / 9 activités guidées réussies : étapes objectives
Commencer

Prérequis

Équations différentielles et exponentiellesPK/PD : Emax et turnoverSuivi thérapeutique (TDM)Statistiques utilisées en pharmacométrieCovariables : effets fixes, ETA et transformationsNCA vs PopPK vs PBPKRaisonnement bayésien, EBE et shrinkage

Seuls les états pédagogiques sont conservés. Aucune réponse libre, donnée patient ou modèle saisi. Sans cette option, la progression est temporaire. Désactiver supprime la sauvegarde.

Cours et activités

  1. 01

    Modèles grey-box et Neural ODE

    Là où l'apprentissage automatique peut aider sans remplacer la pharmacologie.

    13 min · À consulter
  2. 02

    Machine learning pour le TDM

    Estimer l'exposition (AUC) à partir de quelques prélèvements par apprentissage automatique.

    13 min · À consulter
  3. 03

    Arbres de décision et forêts aléatoires

    De l'arbre unique (des marches) à la forêt aléatoire (une moyenne robuste) : les briques du ML tabulaire.

    14 min · À consulter
  4. 04

    Gradient boosting : XGBoost et CatBoost

    Additionner de petits arbres qui corrigent les erreurs du précédent : les modèles qui gagnent sur données tabulaires.

    14 min · À consulter
  5. 05

    Machines à vecteurs de support (SVM)

    Séparer deux classes avec la marge la plus large possible, et courber la frontière par le kernel trick.

    13 min · À consulter
  6. 06

    Sélection de variables : VSURF et OrdinalForest

    Choisir les covariables qui comptent vraiment — et gérer une réponse ordinale — avec les forêts aléatoires.

    12 min · À consulter
  7. 07

    Grands modèles de langage (LLM)

    Transformers, attention et prédiction du mot suivant : ce que sont — et ne sont pas — les LLM.

    13 min · À consulter
  8. 08

    Sous-groupes cachés : clustering, PCA et RMT

    Découvrir des phénotypes dans les paramètres individuels — clustering (k-means/kNN), réduction de dimension (PCA) et tri signal/bruit (RMT).

    16 min · À consulter

Mise en pratique

Activités guidées

Cas en plusieurs étapes combinant calcul, interprétation et raisonnement.

Activité guidée · 10 min · Niveau 2

Contraindre une dynamique apprise

Calcul · Décision · InterprétationÀ commencer
Contenu pédagogique uniquement. Pas de conseil médical. Pas d'ajustement posologique patient-spécifique.