HAL-Paris 13
Not a member yet
33893 research outputs found
Sort by
Practical Approach for Evaluating Machine Learning Anomaly Detection Algorithms for Epidemic Early Warning Systems
No full textInternational audienceAnomaly detection methods in time series data can play a pivotal role in epidemic surveillance Early Warning Systems (EWS). Statistical and rules-based methods have been traditionally employed in such systems, but are challenged by data dynamics and necessitate expert fine-tuning regularly. On the other hand, machine learning methods can handle complex and multidimensional data better, learn and adapt to changing patterns, and improve their performance. However, practical methodologies for their fitting and evaluation relative to gold standard data for infectious diseases epidemic surveillance are still lacking. In this study, a practical evaluation method was presented using an ensemble technique of four traditional statistical models to build the reference gold standard dataset, and results of validation of two machine learning (LSTM and Isolation Forest) relative to four pathogen data series (COVID19, Hepatitis C, Acinetobacter baumannii and Methicillin-resistant Staphylococcus aureus) was reported with promising results. Lessons learned can be useful in the perspective of adapting ML algorithms to epidemic surveillance EWS
Dissection of single-cell landscapes for the development of chimeric antigen receptor T cells in Hodgkin lymphoma
No full textInternational audienceThe success of targeted therapies for hematological malignancies has heralded their potential as both salvage treatment and early treatment lines, reducing the need for high-dose, intensive, and often toxic chemotherapeutic regimens. For young patients with classic Hodgkin lymphoma (cHL), immunotherapies provide the possibility to lessen long-term, treatment-related toxicities. However, suitable therapeutic targets are lacking. By integrating single-cell dissection of the tumor landscape and an in-depth, single-cell–based off-tumor antigen prediction, we identify CD86 as a promising therapeutic target in cHL. CD86 is highly expressed on Hodgkin and Reed-Sternberg cancer cells and cHL-specific tumor-associated macrophages. We reveal CD86–CTLA-4 as a key suppressive pathway in cHL, driving T-cell exhaustion. Cellular therapies targeting CD86 had extraordinary efficacy in vitro and in vivo and were safe in immunocompetent mouse models without compromising bacterial host defense in sepsis models. Our results prove the potential value of anti-CD86 immunotherapies for treating cHL
ATM aberrations in chronic lymphocytic leukemia: del(11q) rather than ATM mutations is an adverse-prognostic biomarker
No full textInternational audienceDespite the well-established adverse impact of del(11q) in chronic lymphocytic leukemia (CLL), the prognostic significance of somatic ATM mutations remains uncertain. We evaluated the effects of ATM aberrations (del(11q) and/or ATM mutations) on time-to-first-treatment (TTFT) in 3631 untreated patients with CLL, in the context of IGHV gene mutational status and mutations in nine CLL-related genes. ATM mutations were present in 246 cases (6.8%), frequently co-occurring with del(11q) (112/246 cases, 45.5%). ATM -mutated patients displayed a different spectrum of genetic abnormalities when comparing IGHV-mutated (M-CLL) and unmutated (U-CLL) cases: M-CLL was enriched for SF3B1 and NFKBIE mutations, whereas U-CLL showed mutual exclusivity with trisomy 12 and TP53 mutations. Isolated ATM mutations were rare, affecting 1.2% of Binet A patients and <1% of M-CLL cases. While univariable analysis revealed shorter TTFT for Binet A patients with any ATM aberration compared to ATM -wildtype, multivariable analysis identified only del(11q), trisomy 12, SF3B1 , and EGR2 mutations as independent prognosticators of shorter TTFT among Binet A patients and within M-CLL and U-CLL subgroups. These findings highlight del(11q), and not ATM mutations, as a key biomarker of increased risk of early progression and need for therapy, particularly in otherwise indolent M-CLL, providing insights into risk-stratification and therapeutic decision-making
Du kitsch à prendre avec des gants ? Le cas des films suédés
No full textInternational audienceLe suédage est un procédé cinématographique inventé en 2008 par le cinéaste Michel Gondry, qui correspond, peu ou prou, à une façon un peu cheap de tourner des remakes de films 1 . Avec cette proposition, le cinéaste ouvre la porte à une logique nouvelle qui ne consiste plus à penser la réalisation d'un film comme quelque chose de fondamentalement nouveau, mais bien comme un geste qui émerge dans le social et qui tire parti de créations qui lui préexistent 2 .Je voudrais ici analyser cette pratique qui interroge de manière spécifique la notion de kitsch. À partir d'une approche communicationnelle et en focalisant mon attention sur les conditions de production, de circulation et de réception du suédage, il s'agira pour moi d'apporter des éléments de définition à cette notion, en m'éloignant des représentations communes du kitsch : en effet, il ne sera pas question ici d'objets roses, crème ou satinés,</div
The smartphone in Saudi Arabia: between women’s empowerment and surveillance
No full textInternational audienceIn January 2019, the plight of Rahaf Mohammed al-Qunun captured global attention. The young Saudi woman, attempting to escape her family, found herself stranded in Thailand after her passport was confiscated. Armed with her smartphone, she used social media to alert international organisations about the fate awaiting her. Canada eventually granted her asylum. The Saudi chargé d’affaires in Thailand then declared that the authorities should have deprived her of her phone, thereby revealing the unprecedented power of this connected device
Utiliser la modélisation non linéaire hiérarchisée et la simulation pour planifier des études cliniques complexes
No full textClinical studies are becoming increasingly complex in their design, implementation, and analysis. Their planning often faces intractable mathematical estimations. To avoid oversimplifying the design due to a lack of suitable formulas, one solution is to break down models into successive levels, using numerical approximations at each stage, and integrating them through computer simulations. We present three applications of this approach. First, in cancer pharmacology, we integrate pharmacokinetics, pharmacodynamics, and toxicity sub-models to construct an in silico model of patients, incorporating realistic inter-patient variability. This model enables virtual trials on the combined use of primary culture-based, phenotypic companion diagnostics, and therapeutic drug monitoring, an effective yet underutilized intervention in oncology. By modelling treatment evolution month by month, we account for oncologists' management of toxicity and dose adjustments. We estimate expected gains in progression-free survival and define a performance threshold that these innovations should meet before clinical translation. Second, in clinical trials with multiple candidate interventions, we introduce distributive randomization, where each patient receives a predefined number of randomly selected interventions. Our simulations show that this design is effective except in certain specific cases. We propose variations to address these exceptions. For this study, we developed an adaptive algorithm for sample size calculation by iterative simulations around the target value, which has then shown itself useful for other complex designs. We extend this method to a varying continuous design parameter, with preliminary results obtained at speeds allowing iterative exploration without needing any specific analytical formula. Third, in observational studies on healthcare quality using medico-administrative databases, we analyze the impact of heterogeneous data validity on mortality comparisons adjusted for case-mix. We use a centrally recoded sample to standardize the interpretation of comorbidities and apply a hierarchical Bayesian model to explicitly quantify the tendency to exaggerate or minimize comorbidities. We integrate this tendency into adjusted mortality regressions, demonstrating a significant impact on these comparisons. This highlights a general issue in database studies: failing to adjust lacks medical relevance, yet adjusting introduces biases related to heterogenous data validity. In these three examples, we demonstrate that breaking down complex clinical problems into explicitly simulatable steps allows for sophisticated study planning, providing greater flexibility for methodologists and paving the way for faster, more intensive clinical research.Les études cliniques deviennent de plus en plus complexes, que ce soit dans leur conception, leur mise en œuvre ou leur analyse. Leur planification se heurte souvent à des estimations mathématiques intraitables. Pour éviter de sursimplifier le design faute de formules adaptées, une solution consiste à décomposer les modèles en niveaux successifs, en utilisant des approximations numériques à chaque niveau, puis à les intégrer par simulation informatique. Nous présentons trois applications de cette approche. Premièrement, en pharmacologie du cancer, nous intégrons des sous-modèles de pharmacocinétique, pharmacodynamie et toxicité pour construire un modèle in silico des patients, avec une variabilité inter-patient réaliste. Ce modèle permet de mener des essais virtuels sur l'utilisation conjointe de diagnostics compagnons basés sur le phénotypage en culture primaire, et du suivi thérapeutique pharmacologique, une intervention efficace mais sous-utilisée en oncologie. En modélisant l'évolution du traitement mois par mois, nous intégrons la gestion de la toxicité par l'oncologue et l'adaptation des doses. Nous estimons les gains attendus sur la survie sans progression et définissons un seuil de performance que ces innovations doivent atteindre avant leur transfert en clinique. Deuxièmement, dans les essais cliniques avec de nombreuses interventions candidates, nous introduisons la randomisation distributive, où chaque patient reçoit un nombre prédéfini d'interventions, choisies aléatoirement. Nos simulations montrent que ce design est efficace, sauf dans certains cas particuliers. Nous proposons des variations pour gérer ces exceptions. Pour cette étude, nous avons développé un algorithme adaptatif de calcul de la taille de l'échantillon, par simulations successives autour de la taille cible, qui s'est révélé d'utilité générale pour les essais complexes. Nous avons aussi étendu cette méthode pour faire varier un paramètre continu du design, avec des résultats préliminaires obtenus à des vitesses permettant une exploration itérative sans formule analytique spécifique. Troisièmement, dans les études observationnelles sur la qualité des soins à partir de bases médico-administratives, nous analysons l'effet de la validité hétérogène des données sur les comparaisons de mortalité ajustées sur le case-mix. Nous utilisons un échantillon recodé centralement pour homogénéiser l'interprétation des comorbidités et appliquons un modèle bayésien hiérarchique pour quantifier la propension à exagérer ou minimiser les comorbidités. Nous intégrons cette propension dans les régressions de mortalité ajustées, montrant un impact significatif sur ces comparaisons. Ceci met en lumière un problème des études sur bases de données : ne pas ajuster n'a pas de sens médical, mais ajuster introduit des biais liés à la validité hétérogène des données. Dans ces trois exemples, nous montrons que décomposer des problèmes cliniques complexes en étapes successives simulables permet de planifier des études sophistiquées, offrant plus de flexibilité aux méthodologistes et ouvrant la voie à une recherche clinique plus rapide et intensive
L'homologie des foncteurs additifs en caractéristique première
No full textThis preprint reworks a part of the material of our previous preprint "Functor homology over an additive category" (hal-03432824 or arXiv:2111.09719), which is being completely reorganized.We compute certain Ext and Tor groups in the category of all functors from an Z/p-linear additive category A to vector spaces in terms of Ext and Tor computed in the full subcategory of additive functors from A to vector spaces. We thus obtain group homology computations for general lineargroups.Nous calculons certains groupes d’extensions et de torsion dans la catégorie de tous les foncteurs depuis une catégorie additive Z/p -linéaire vers les espaces vectoriels, en termes d’Ext et de Tor calculés dans la sous-catégorie pleine des foncteurs additifs de A vers les espaces vectoriels. Nous obtenonsainsi des calculs d’homologie des groupes linéaires
Sylvia Plath et de Forough Farrokhzad : Une lecture critique féminine selon Elaine Showalter
No full textThis article offers a comparative reading of the poems of Sylvia Plath and Forough Farrokhzad through the prism of feminist criticism by Elaine Showalter. The study brings to light the affinities between the two poets, despite the differences in their cultural and linguistic backgrounds, and underscores their shared contributions to a feminist discourse freed from patriarchal critical frameworks.Cet article propose une lecture comparative des poèmes de Sylvia Plath et de Forough Farrokhzad à travers le prisme de la critique féminine inspirée par Elaine Showalter. L'analyse met en évidence les convergences entre les deux poètes, malgré leurs contextes culturels et linguistiques différents, et souligne leur contribution à une lecture féminine affranchie des modèles critiques patriarcaux
WildCount : Apprentissage profond embarqué pour la reconnaissance de la faune
No full textMachine learning methods are used to detect and identify wild animals. These methods often require large annotated datasets and significant computational resources. This project investigates using lightweight deep learning models to improve performance with low-resolution images, allowing deployment on low-power devices. Starting with a preprocessing phase to address dataset imbalance through data augmentation techniques, we explore the design of convolutional neural networks under strict constraints (model size, memory, energy). Additionally, we examine transfer learning strategies, adapting pre-trained models to our specific context. Our results highlight the impact of unbalanced datasets on model performance, demonstrating that it is possible to maintain an accuracy of around 80%, while reducing the model size by a factor of ten. This is achieved in the task of classifying images into 11 distinct categories of wild animals. These findings suggest that efficient low-cost wildlife monitoring systems are feasible, even in environments with limited resources, paving the way for more extensive ecological data collection in the field.Des méthodes d’apprentissage automatique sont utilisées pour détecter et identifier les animaux sauvages. Ces méthodes nécessitent souvent de grands ensembles de données annotées ainsi que d’importantes ressources de calcul. Ce projet explore l’utilisation de modèles légers d’apprentissage profond afin d’améliorer les performances avec des images en basse résolution, permettant ainsi le déploiement sur des dispositifs à faible consommation d’énergie. Après une phase de prétraitement visant à corriger le déséquilibre des ensembles de données grâce à des techniques d’augmentation, nous étudions la conception de réseaux de neurones convolutifs sous des contraintes strictes (taille du modèle, mémoire, énergie). Nous examinons également des stratégies d’apprentissage par transfert, en adaptant des modèles pré-entraînés à notre contexte spécifique. Nos résultats mettent en évidence l’impact des ensembles de données déséquilibrés sur la performance des modèles, et montrent qu’il est possible de maintenir une précision d’environ 80 %, tout en réduisant la taille du modèle d’un facteur dix. Finalement, nous classons les images en onze catégories distinctes d’animaux sauvages. Ces résultats suggèrent que des systèmes de suivi de la faune efficaces et peu coûteux sont envisageables, même dans des environnements disposant de ressources limitées, ouvrant ainsi la voie à une collecte de données écologiques plus large sur le terrain
Does group living protect offspring from the toxic effects of cadmium ingestion in juvenile earwigs?
No full textInternational audienceGroup living is generally known to enhance the protection of offspring against a wide range of environmental risks, such as predation, temperature extremes and pathogen infections. However, its role in mitigating the effect of toxic stressors, such as anthropogenic chemical pollution, remains unclear. This is particularly surprising given that chemical pollution is steadily increasing and is one of the greatest environmental threats to biodiversity. Here, we investigated whether family group living, by mitigating individual stress response, contribute to the remarkable robustness of European earwig juveniles to cadmium -a toxic pollutant for many animal species. We reared earwig nymphs either alone, with siblings or in a full family group (siblings plus mother) while feeding them with one of five cadmium concentrations (from 0 to 100 mg/L) throughout their three months of development. During this time, we measured a series of parameters at juvenile and adult stages. Overall, our results show that family group living does not mitigate the toxic effects of cadmium, as exposure to cadmium did not affect any of the measured parameters, regardless of whether juveniles had access to siblings, mother or none. However, the social environment overall influenced juvenile activity, survival and development, though it had no detectable impact on adult morphometry, sperm viability and DNA damage. These findings suggests that while the absence of social interactions can alter juvenile development and survival, it does not modulate the toxic effect of chemical pollutants such as cadmium in facultative family living species. More generally, this study highlights the need to explore the physiological, genetic and/or microbial mechanisms underlying the apparent robustness to cadmium in the European earwig.</div