Parcours en ECG-AI
Du signal ECG au dispositif médical validé
J'enregistre ma propre physiologie depuis des années : quatre marathons, chaque cycle d'entraînement, chaque fréquence cardiaque de repos. Ça m'a appris que l'essentiel du travail entre un signal brut et une décision qu'on peut prendre n'est pas la modélisation.
J'ai fait toute cette chaîne. J'ai conçu les formulaires de recueil avec les équipes cliniques, ce qui décide de la qualité de tout ce qui vient ensuite ; j'ai construit les pipelines de production et le traitement du signal ; j'ai implémenté et comparé les architectures ; j'ai bâti les cadres de validation, avec analyses en sous-groupes et calibration ; et j'ai pris les décisions d'infrastructure et de parcours réglementaire qui suivent. Je l'ai menée jusqu'à une désignation FDA Breakthrough et jusqu'à un dossier de marquage CE.
Ce que je construis aujourd'hui est un projet de recherche : mesurer ce que vaut un modèle ECG hors de l'hôpital qui l'a entraîné, et si une recalibration sur place le remet à niveau. La première étude est publiée, code et chiffres ouverts. Je cherche des équipes cliniques françaises qui ont des tracés et qui veulent savoir ce qu'un modèle y ferait.
Voir les travaux →La chaîne complète, de bout en bout
Idoven · remote depuis Paris · 2024–2026
CONCERTO : l'IA-ECG pour l'amylose ATTR
Le premier algorithme européen, mené de bout en bout avec AstraZeneca, du signal brut jusqu'au dossier de marquage CE.
Données multi-sites
EU + US · CRF AstraZeneca
20 754 ECG · 2 901 patients · 585 avec ATTR-CM
Pipeline reproductible
ingestion · nettoyage · préparation
traitement 4,4 fois plus rapide
Signal
filtrage · débruitage · transformations
Modèle
TSCNN
9 architectures comparées
Validation
sous-groupes · calibration
AUC 0,88 · sensibilité 80,7 % à 78,5 % de spécificité
Réglementaire
FDA · CE / SaMD
Dossier de marquage CE
Formation, recherche & enseignement
University of Chicago
Master, mathématiques appliquées et calcul scientifique, spécialisation machine learning · 2020–2022
Licence, mathématiques appliquées et calcul scientifique · 2016–2020
Licence, statistique · 2016–2020
- SAND Lab (Pr Heather Zheng) : vision adverse et sécurité biométrique. Patchs anti-reconnaissance faciale (FGSM), génération de biosignaux (PixelCNN). ACM CHI 2021
- Optimisation appliquée (Pr Tingran Gao) : algorithmes non-convexes (variation totale sur graphes 3D), analyse de formes en biologie
- Instructeur ML / deep learning à Inspirit AI et à l'United Nations International School. 200+ étudiants ; projets EEG, Parkinson, cancers de la peau
Anumana · Boston · 2021–2024
L'IA-ECG, à l'échelle clinique
- Société d'IA-ECG, essaimage de la Mayo Clinic Platform
- 10 M+ de dossiers, accès aux ECG de la Mayo Clinic
- Livraisons pour Pfizer et Novartis
Co-auteurs Mayo Clinic : Paul Friedman, Zachi Attia, Francisco Lopez-Jimenez, des pionniers de l'IA-ECG.
Projet amylose
Deep learning pour la détection précoce de l'amylose cardiaque, une cardiomyopathie rare et souvent manquée. L'algorithme, développé en partenariat avec Pfizer, a été désigné Breakthrough Device par la FDA.
- 3 modèles de gradient boosting (AL, ATTR, combiné), AUC 0,9, en shadow mode sur un essai Mayo
- Population cible, indication for use et protocole de validation définis
- Contribution à la FDA Breakthrough Device Designation
Projet FEVG
FEVG : du modèle au remboursement
- Modèle phare de FEVG reconstruit de zéro : nouvelles cohortes (500K patients), nouvelles architectures, ré-entraînement complet, AUC 0,94
- Médico-économie (HEOR) : modèle de Markov étendant l'essai EAGLE, QALY gagnés et économies pour les payeurs
Modèles de fondation
Utilisation des modèles de fondation
- Modèle de fondation contrastif (ConVIRT) entraîné sur 60 % de la base Mayo, soit ~6M paires dossier-ECG encodées en embeddings
- Embeddings + régression logistique : la performance d'un entraînement complet, en quelques secondes
- Itérations accélérées, effort concentré sur la construction des cohortes
- Enjeu clé : éviter la fuite de patients entre fondation et tâche en aval
Le reste
Et le reste
- Risque coronarien (Novartis) : CNN et Transformer sur l'ECG, meilleurs que le score ASCVD (risque CV à 10 ans). The Lancet (eClinicalMedicine), 2023
- Pipelines de données de bout en bout (Kedro, Spark) : traçabilité des cohortes, intégration des mises à jour constantes des données
- Pipeline NLP (BERT) : marqueurs, symptômes, labo extraits de notes libres, pour la création de cohortes et des tâches de classification en aval
Sites et institutions
États-Unis : Mayo Clinic (Rochester · Scottsdale · Jacksonville) · Northwestern (Chicago).
Europe : Puerta de Hierro (Madrid) · La Fe (Valence) · Virgen de la Arrixaca (Murcie) · Juan Ramón Jiménez (Huelva) · Candelaria (Tenerife) · UMCG (Groningue).
En parallèle
Le même pipeline, pour la performance sportive
- Le même traitement du signal que sur l'ECG, appliqué à ma physiologie : données Garmin et analyses de sang dans un entrepôt unique
- 15 dimensions en une lecture (charge, récupération, nutrition, biochimie, sommeil…), chaque calcul adossé à un papier validé
- Modules de risque (fracture de fatigue, déficit énergétique / RED-S) pour anticiper les blessures. ~86 000 lignes, ~3 400 tests
- En développement. Objectif : rester en bonne santé et battre mes records
Ce qui me passionne
La donnée de santé est sous-exploitée
- La donnée de santé française : vaste, sous-exploitée, et exploitable pour le diagnostic par l'IA
- Modèles de fondation : appris sur des millions d'ECG, réutilisables, interprétables, rapides à adapter
- Pipelines de données de bout en bout : construits une fois, la recherche avance sans se battre contre la donnée
Le moteur
Un modèle de fondation multimodal pour l'ECG : le signal, le tracé papier scanné et le texte du clinicien réunis dans une même représentation, interprétable.
Une application qui me tient à cœur
Aider à choisir un traitement anticancéreux selon le risque cardiaque lu sur l'ECG, à commencer par la prostate. Aucun outil dédié n'existe aujourd'hui.
Où je veux travailler
Je parle les trois langues
Ce que j'apporte
- Une IA-ECG déjà livrée (FDA Breakthrough, dossier CE)
- Toute la chaîne, du signal à la médico-économie
- L'habitude des données cliniques multi-sites, réelles et imparfaites
Ce que je cherche
- Une grande base d'ECG cliniques réels, et le droit de travailler dessus
- Des cardiologues dans la pièce, pas en bout de chaîne
- L'intention d'aller jusqu'au dispositif médical, pas seulement jusqu'à la publication
L'IA, le réglementaire, la clinique : transformer une base de données en décision au lit du patient.