Doctorante : Margaux Törnqvist
Titre de la thèse : Hétérogénéité de la Réponse aux Antidépresseurs : une Approche de Machine Learning Causal Appliquée aux Données de Vie Réelle
Encadrants : Pr Cédric Lemogne, Dr Chloé Geoffroy
Ecole doctorale : ED393
Promotion : 2025
Financement : financée par Theremia & l’ANRT
Résumé de la thèse
La dépression est l’une des principales causes de handicap dans le monde. De nombreux antidépresseurs sont disponibles, mais les recommandations offrent peu de guidance pour orienter le choix entre ces molécules. En pratique, la prescription repose donc largement sur un processus d’essais-erreurs, alors que la réponse aux antidépresseurs varie fortement d’un patient à l’autre. Cette thèse explore l’hypothèse selon laquelle cette hétérogénéité pourrait être expliquée par des caractéristiques individuelles des patients, ouvrant la voie à une prescription plus personnalisée. Pour cela, nous exploitons de grandes bases de données de vie réelle (real-world data), qui reflètent les pratiques de prescription en soins courants à grande échelle. Ces données étant sujettes à des biais de confusion, nous mobilisons des méthodes de machine learning causal, capables d’estimer les effets des traitements en limitant ces biais tout en explorant leur hétérogénéité. L’objectif final est d’identifier des profils de patients répondant différemment aux antidépresseurs, afin de mieux guider leur prescription.
