Développement de jumeaux numériques dans le domaine de la santé: exemple de la médecine physique et de réadaption // development of digital twins in the health sector: example of physical medicine and rehabilitation

Topic description

Dans le domaine médical, les jumeaux numériques (JN) ont pour but de reproduire le comportement de patients, de maladies ou de systèmes biologiques pour améliorer la prise en charge et la décision médicale. Les applications des JN en médecine incluent différents domaines tels que la simulation de traitements et de résultats thérapeutiques pour optimiser les stratégies de soins, l'analyse de données de santé pour prévoir les évolutions de maladies ou les réactions à des traitements, le développement de prototypes médicaux innovants, tels que des prothèses ou des appareils médicaux. Les jumeaux numériques offrent ainsi de nombreux avantages dans le domaine médical. Ils offrent une meilleure compréhension du comportement des patients et des maladies, une amélioration de l'efficacité des traitements et des soins, une réduction des coûts liés à la recherche et au développement de nouveaux produits médicaux et une mise en œuvre plus rapide et plus efficace de technologies innovantes.
Le but de cette thèse est de proposer un Framework pour le développement des jumeaux numériques dans le domaine médical en considérant l'étude du tendon d'Achille. Très peu de travaux ont appliqué les jumeaux numériques au tendon d'Achille. D.G. Loyld et al. ont proposé une nouvelle approche de formation et de rééducation du système musculosquelettique humain, en se concentrant sur les contraintes et les déformations internes des structures musculosquelettiques, telles que les tendons, les cartilages articulaires et les ligaments, plutôt que sur les variables externes telles que les postures et les moments articulaires. Cette étude visait à développer une méthode utilisant les réseaux de mémoire à long terme (LSTM) pour estimer le « strain » du tendon d'Achille et les forces de contact de l'articulation de la hanche au cours d'activités telles que la marche et la course. Par ailleurs, Kown et al. ont développé un paradigme portable pour surveiller avec précision la charge sur le tendon d'Achille et la vitesse de marche à l'aide de capteurs portables. Ils ont recruté dix jeunes adultes en bonne santé pour marcher dans leur laboratoire avec une botte d'immobilisation à différentes vitesses et angles dans le but de recruter des données. Ces travaux ainsi que les travaux dans d'autres domaines médicaux sont intéressants. Ils offrent une solution prometteuse pour améliorer la qualité des soins et du suivi des patients. Cependant, aucun dataset n'est disponible et les modèles proposés sont souvent construits à partir d'un dataset issue de la collecte de données de plusieurs patients. Ils ne proposent en effet pas un modèle personnalisé et la validation de ce modèle n'est basé que sur un dataset. Aucune solution n'est proposée pour adapter le modèle à l'évolution de l'état du patient. Par ailleurs, un jumeau numérique est doté d'un composant qui lui permet d'interagir avec le patient, collecter les données et d'adapter si nécessaire. Il ne peut en effet pas être modélisé par un simple modèle de prédiction.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

In the medical field, digital twins (DT) aim to reproduce the behavior of patients, diseases, or biological systems to improve patient management and clinical decision making. Applications of digital twins in medicine include various areas such as treatment simulation and therapeutic outcome prediction to optimize care strategies, health data analysis to forecast disease progression or treatment response, and the development of innovative medical prototypes such as prosthetics or medical devices. Digital twins therefore offer numerous advantages in healthcare: they provide a better understanding of patient and disease behavior, improve treatment effectiveness, reduce research and development costs for new medical products, and enable faster and more efficient implementation of innovative technologies.
The purpose of this thesis is to propose a framework for the development of digital twins in the medical field, with a focus on studying the Achilles tendon. Very few studies have applied digital twin concepts to the Achilles tendon. D.G. Loyld et al. proposed a new approach to training and rehabilitation of the human musculoskeletal system, focusing on internal stresses and strains of musculoskeletal structures—such as tendons, articular cartilage, and ligaments—rather than external variables like posture and joint moments. This study aimed to develop a method using long short term memory (LSTM) neural networks to estimate Achilles tendon strain and hip joint contact forces during activities such as walking and running.
Furthermore, Kwon et al. developed a portable paradigm to accurately monitor Achilles tendon load and walking speed using wearable sensors. They recruited ten healthy young adults to walk in their laboratory with an immobilization boot at different speeds and angles in order to collect data. These studies, along with work conducted in other medical areas, are particularly interesting. They offer a promising solution to improve the quality of patient care and monitoring. However, no dataset is publicly available, and the proposed models are often built from data collected from multiple patients. They therefore do not provide a personalized model, and their validation relies solely on a single dataset. No solution is proposed for adapting the model to the evolving condition of a patient. Moreover, a digital twin includes a component that allows interaction with the patient, data collection, and adaptation when necessary. It cannot be modeled simply as a prediction model.
The objective of this project is to develop a multi agent framework that relies on different AI techniques to represent a digital twin for each patient. The agents can learn from experience, adjust their behavior, and evolve over time to improve the overall performance of the digital twin. By incorporating expert knowledge, historical data, real time sensory information, and agent to agent interactions, the system can provide more accurate predictions and recommendations to support clinical decision making.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Concours pour un contrat doctoral