« Big Data et Médecine : perspectives de traitements sans diagnostic ? Le cas du syndrome de Brugada et de l’outil Connectivity Map »

Thèse préparée dans le cadre du programme DataSanté

Mercredi 7 décembre à 14h

Lieu : salle des séminaires du Centre François Viète, Faculté des sciences et des techniques de Nantes. le mercredi 7 décembre à 14h,

Le jury sera composé de :
– Stéphane Tirard, Professeur des universités, Centre François Viète, Nantes Université, directeur de thèse
– Maël Lemoine, Professeur des universités, ImmunoConcEpT, Université de Bordeaux, co-directeur de thèse
– Richard Redon, Directeur de Recherche Dr1, Institut du thorax, INSERM, Nantes Université, co-encadrement de thèse
– Sabina Leonelli, Full Professor, Exeter Centre for the Study of the Life Sciences, University of Exeter, rapporteuse
– Jean-Claude Dupont, Professeur des universités, Centre d’Histoire des Sociétés, des sciences et des conflits, Université de Picardie Jules Verne, rapporteur
– Isabelle Drouet, Maître de conférences, Sciences, Normes, Démocratie, Lettres Sorbonne Université, Paris

Résumé :
Le rapprochement de la médecine personnalisée et des Big Data laisse apercevoir un possible bouleversement dans le monde de la médecine : la disparition du diagnostic. Dans ce travail, nous évaluerons la plausibilité d’une telle perspective en nous appuyant sur un cas d’étude : les travaux menés au sein de l’institut du thorax sur le syndrome de Brugada à l’aide de l’outil Connectivity Map.
À travers ce cas d’étude, nous proposerons à la fois une histoire du syndrome, du laboratoire et de l’outil Connectivity Map ainsi qu’une analyse conceptuelle du diagnostic. Constatant, au fil de notre travail, l’incapacité de la Connectivity Map à proposer une alternative crédible au diagnostic, nous chercherons à expliquer l’écart entre les espoirs soulevés par l’outil Big Data et la réalité de son utilisation au sein d’un laboratoire. Cette explication viendra d’une application de la définition, proposée par Kenneth Schaffner, des théories biomédicales à l’utilisation de la Connectivity Map. Nous constaterons ainsi que pour minimiser le bruit introduit par la structure des théories biomédicales dans les données exploitées par le Connectivity Map, il est nécessaire d’être en possession d’une catégorie diagnostique contenant les  connaissances mécanistiques expliquant la pathologie.