Soutenance de thèse de H. HESSAMI le 23/06/2016

Hessam HESSAMI, équipe DyCTiM, soutiendra sa thèse le jeudi 23 juin 2016 à 14h en salle des thèses du bâtiment Boucherle de la Faculté de Médecine de Grenoble.

La thèse sera soutenue en anglais.

Titre : Modélisation Multi-échelle et Hybride des Maladies Contagieuses - Vers le Développement de Nouveaux Outils de Simulation pour Contrôler les Epidémies.

Composition du jury :

· Brian Willams, Pr., OMS Genève, rapporteur

· Pascal Ballet, MCU, Université de Bretagne / LabStic Brest, rapporteur

· Emmanuel Drouet, Pr., Faculté de Médecine / IBS, examinateur

· Olivier Bastien, CR1 INRA, LPCV CEA Grenoble, examinateur

· Nicolas Glade, MCU, Université Grenoble Alpes, directeur de thèse

Résumé :

Les études théoriques en épidémiologie utilisent principalement des équations différentielles pour étudier (voire tenter de prévoir) les processus infectieux liés aux maladies contagieuses, souvent sous des hypothèses peu réalistes (ex : des populations spatialement homogènes). Cependant ces modèles ne sont pas bien adaptés pour étudier les processus épidémiologiques à différentes échelles et ils ne sont pas efficaces pour prédire correctement les épidémies. De tels modèles devraient notamment être liés à la structure sociale et spatiale des populations. Dans cette thèse, nous proposons un ensemble de nouveaux modèles dans lesquels différents niveaux de spatialité (par exemple la structure locale de la population, en particulier la dynamique de groupe, la distribution spatiale des individus dans l’environnement, le rôle des personnes résistantes, etc.) sont pris en compte pour expliquer et prédire la façon dont des maladies transmissibles se développent et se répandent à différentes échelles, même à l’échelle de grandes populations. La manière dont les modèles que nous avons développé sont paramétrés leur permet en outre d’être reliés entre eux pour bien décrire en même temps le processus épidémiologique à grande échelle (population d’une grande ville, pays ...) mais avec précision dans des zones de surface limitée (immeubles de bureaux, des écoles).

Nous sommes d’abord parvenus à inclure la notion de groupes dans des systèmes d’équations différentielles de modèles SIR (susceptibles, infectés, résistants) par une réécriture des dynamiques de population s’inspirant des réactions enzymatiques avec inhibition non compétitive : les groupes (une forme de complexe) se forment avec des compositions différentes en individus S, I et R, et les individus R se comportent ici comme des inhibiteurs non compétitifs. Nous avons ensuite couplé de tels modèles SIR avec la dynamique globale des groupes simulée par des algorithmes stochastiques dans un espace homogène, ou avec les dynamiques de groupe émergentes obtenues dans des systèmes multi-agents. Comme nos modèles fournissent de l’information bien détaillée à différentes échelles (c’est-à-dire une résolution microscopique en temps, en espace et en population), nous pouvons proposer une analyse de criticité des processus épidémiologiques. Nous pensons en effet que les maladies dans un environnement social et spatial donné présentent des signatures caractéristiques et que de telles mesures pourraient permettre l’identification des facteurs qui modifient leur dynamique.

Nous visons ainsi à extraire l’essence des systèmes épidémiologiques réels en utilisant différents modèles mathématique et numériques. Comme nos modèles peuvent prendre en compte les comportements individuels et les dynamiques de population, ils sont en mesure d’utiliser des informations provenant du BigData, collectée par les technologies des réseaux mobiles et sociaux. Un objectif à long terme de ce travail est d’utiser de tels modèles comme de nouveaux outils pour réduire les épidémies en guidant les rythmes et organisation humaines, par exemple en proposant de nouvelles architectures et en changeant les comportements pour limiter les propagations épidémiques.


Laboratoire TIMC-IMAG, Domaine de la Merci, 38706 La Tronche Cedex

CNRS
UGA
ENVL
Grenoble INP
Mentions Légales