Voir tous les acteurs

Jonas Richiardi

Société / Institution

Centre hospitalier universitaire vaudois (CHUV), Département de radiologie / Siemens Healthineers, Advanced Clinical Imaging Technology

Position actuelle

Clinical Research Lead

Parcours

  • 2007 : Doctorat en traitement du signal et apprentissage automatique à l’EPFL (Laboratoire de l’IDIAP, Institut de traitement des signaux)
  • 2007 : création du bureau d’ingénieurs ‘PatternLab’ spécialisé machine learning
  • 2009-2012 : Postdoc au centre d’imagerie biomédicale (UNIL/HUG)
  • 2012-2015 : Chercheur Marie Curie à Stanford et à l’UNIGE (bioinformatique et imagerie)
  • 2015-2016 : création d’une startup technologique
  • 2017 : Clinical research lead au CHUV/Siemens Healthineers

Centres d’intérêts en lien avec la santé personnalisée

Je m’intéresse particulièrement à l’intégration de l’imagerie médicale (IRM en particulier) avec les données génétiques et d’autres données biologiques (marqueurs sanguins etc.) en développant des méthodes d’apprentissage automatique (« machine learning »), en particulier les méthodes par graphes et les approches « deep learning ». Ceci permet d’améliorer grandement la performance des modèles prédictifs individuels à chaque patient, par exemple pour prédire le cours d’une maladie ou la réponse à un traitement.

Projets de recherche en cours

Génétique des réseaux d’atrophie corticale.

Nous examinons la contribution génétique aux réseaux d’atrophie typiquement observés dans de nombreuses démences telles que la maladie d’Alzheimer et la démence fronto-temporale. Ceci est en collaboration avec UCL, UCSF, et Stanford, et permettra de lier plus précisément les résultats d’imagerie aux génotypes individuels.

Utilisation des grandes données d’imagerie multi-site pour la modélisation prédictive.

Nous développons des méthodes qui permettent d’exploiter les données d’imagerie à large échelle malgré leur hétérogénéité, en particulier dans le but de fournier des outils d’aide à la décision individuelle pour les médecins. Ceci permettra d’obtenir une plus grande performance pour les marqueurs d’imagerie pour certaines maladies neurodégénératives et neuropsychiatriques.

Articles / Publications

Richiardi et al. Correlated gene expression supports synchronous activity in brain networks. Science, 348(6240):1241–1244, June 2015.


Richiardi et al. Machine learning with brain graphs: predictive modeling approaches for functional imaging in systems neuroscience. IEEE Signal Processing Magazine, 30(3):58–70, May 2013. 


De Vico Fallani et al. Graph analysis of functional brain networks: practical issues in translational neurosciences. Philosophical Transactions of the Royal Society B: Biological Sciences, 369(1653), 2014. 


Sahin & Sur. Genes, circuits, and precision therapies for autism and related neurodevelopmental disorder. Science, 2015.

Dendrou. Neuroinflammation — using big data to inform clinical practice. Nature Reviews Neurology 2016.

Toutes les publications sont accessibles à l'adresse: http://richiardi.net/publications.html

Evénements

Novembre 2017 : workshop on predictive radiology in precision medicine (CHUV) : https://www.eventbrite.co.uk/e/workshop-on-predictive-radiology-in-precision-medicine-registration-39108493557  site avec slides sera en ligne en janvier 2018.

Articles

Imagerie personnalisée : des machines de plus en plus intelligentes

Grâce à des algorithmes toujours plus performants, l’intelligence artificielle pourrait rapidement prendre...
Top