par assistance respiratoire mécanique partielle. Nous avons essayé de préciser la description du système hybride {Patient, Ventilateur} afin de construire un outil clinique de surveillance de l'IPV. Dans un premier temps, nous avons proposé d'aborder l'IPV comme la phénoménologie locale d'un réseau biologique communicant. L'IPV est alors la traduction de la communication établie à travers l'appareil respiratoire entre un oscillateur biologique et un oscillateur mécanique. Cette approche biologique permet à la fois d'utiliser les résultats de la théorie de la communication pour élaborer un score de désynchronisation, et de construire l'outil nécessaire pour calculer ce score en clinique. L'outil est un détecteur non-invasif de l'activité musculaire à partir de l'estimation de la pression musculaire par un modèle de la mécanique du système ventilatoire dont le traitement de signal est suffisamment robuste pour permettre son automatisation. Nous avons ensuite validé ces constructions chez des patients sous assistance partielle. Le score de désynchronisation est spécifiquement augmenté par la combinaison d'altérations de la voie de communication ou de la génération de l'activité inspiratoire à transmettre. La quantification automatique de l'IPV par un score spécifique de désynchronisation, reflet de l'altération de la transmission de l'information entre le patient et son ventilateur, et par une détection de l'activité inspiratoire, reflet du message à transmettre, devrait permettre d'améliorer l'analyse clinique du comportement des patients sous assistance partielle

Cette étude présente des contributions en traitement statistique du signal avec des applications biomédicales. La thèse est divisée en deux parties. La première partie traite de la détection des hotspots à l'interface des protéines. Les hotspots sont les résidus dont les contributions énergétiques sont les plus importantes dans l'interaction entre protéines. Les forêts aléatoires (Random Forests) sont utilisées pour la classification. Une nouvelle famille de descripteurs de hotspot est également introduite. Ces descripteurs sont basés seulement sur la séquence primaire unidimensionnelle d'acides aminés constituant la protéine. Aucune information sur la structure tridimensionnelle de la protéine ou le complexe n'est nécessaire. Ces descripteurs, capitalisant les caractéristiques fréquentielle des protéines, nous permettent de savoir la façon dont la séquence primaire d'une protéine peut déterminer sa structure tridimensionnelle et sa fonction. Dans la deuxième partie, le RDT (Random Distortion Testing), un test robuste d'hypothèse, est considéré. Son application en détection du signal a montré que le RDT peut résister aux imperfections du modèle d'observation. Nous avons également proposé une extension séquentielle du RDT. Cette extension s'appelle le RDT Séquentiel. Trois problèmes classiques de détection d¿écart/distorsion du signal sont reformulés et résolus dans le cadre du RDT. En utilisant le RDT et le RDT Séquentiel, nous étudions la détection d'AutoPEEP (auto-Positive End Expiratory Pressure), une anomalie fréquente en ventilation mécanique. C'est la première étude de ce type dans la littérature. L'extension à la détection d'autres types d'asynchronie est également étudiée et discutée. Ces détecteurs d'AutoPEEP et d'asynchronies sont les éléments principaux de la plateforme de suivi de manière automatique et continue l'interface patient-ventilateur en ventilation mécanique.

En ventilation assistée, les interactions patient-ventilateur, qui sont associés au pronostic, dépendent pour partie des algorithmes de ventilation. Objectifs : Caractériser l'intérêt potentiel des nouveaux algorithmes de ventilation dans l'optimisation des interactions patient-ventilateur : 1) en ventilation invasive, deux modes et leurs algorithmes nous ont semblé novateurs et nous avons cherché à personnaliser l'assistance du ventilateur en fonction de l'effort respiratoire du patient au cours de ces modes proportionnels : ventilation assistée proportionnelle (PAV+) et ventilation assistée neurale (NAVA) ; 2) en ventilation non-invasive (VNI) nous avons évalué si les algorithmes VNI des ventilateurs de réanimation et des ventilateurs dédiés à la VNI diminuaient l'incidence des asynchronies patient-ventilateur. Méthodes : 1) En PAV+ nous avons décrit un moyen de recalculer le pic de pression musculaire réalisée par le patient à chaque inspiration à partir du gain réglé et de la pression des voies aériennes monitorée par le respirateur. Nous avons alors évalué la faisabilité clinique d'ajuster l'assistance en ciblant un intervalle jugé normal de pression musculaire. 2) Nous avons comparé une titration de l'assistance en NAVA et en aide inspiratoire (AI) en se basant sur les indices d'effort respiratoire. 3 et 4) En VNI, nous avons évalué l'incidence des asynchronies patient-ventilateur avec et sans l'utilisation d'algorithmes VNI : sur banc d'essai au cours de conditions expérimentales reproduisant la présence de fuites autour de l'interface ; en clinique chez des patients de réanimation. Résultats : En PAV+, ajuster le gain dans le but de cibler un effort respiratoire normal était faisable, simple et souvent suffisant pour ventiler les patients depuis le sevrage de la ventilation mécanique jusqu'à l'extubation. En NAVA, l'analyse des indices d'effort respiratoire a permis de préciser les bornes d'utilisation et de comparer les interactions patient-ventilateur avec l'AI dans des intervalles d'assistance semblables. En VNI, nos données pointaient l'hétérogénéité des algorithmes VNI sur les ventilateurs de réanimation et retrouvaient une meilleure synchronisation patient-ventilateur avec l'utilisation de ventilateurs dédiés à la VNI pour des qualités de pressurisation par ailleurs identiques. Conclusions : En ventilation invasive, personnaliser l'assistance des modes proportionnels optimise les interactions patient-ventilateur et il est possible de cibler une zone d'effort respiratoire normale en PAV+. En VNI, les ventilateurs dédiés améliorent la synchronisation patient-ventilateur plus encore que les algorithmes VNI sur les ventilateurs de réanimation, dont l'efficacité varie grandement selon le ventilateur considéré. / During assisted mechanical ventilation, patient-ventilator interactions, which are associated with outcome, partly depend on ventilation algorithms.Objectives: : 1) during invasive mechanical ventilation, two modes offered real innovations and we wanted to assess whether the assistance could be customized depending on the patient's respiratory effort during proportional ventilatory modes: proportional assist ventilation with load-adjustable gain factors (PAV+) and neurally adjusted ventilator assist (NAVA); 2) during noninvasive ventilation (NIV): to assess whether NIV algorithms implemented on ICU and dedicated NIV ventilators decrease the incidence of patient-ventilator asynchrony.Methods: 1) In PAV+ we described a way to calculate the muscle pressure value from the values of both the gain adjusted by the clinician and the airway pressure. We then assessed the clinical feasibility of adjusting the gain with the goal of maintaining the muscle pressure within a normal range. 2) We compared titration of assistance between neurally adjusted ventilator assist (NAVA) and pressure support ventilation (PSV) based on respiratory effort indices. During NIV, we assessed the incidence of patient-ventilator asynchrony with and without the use of NIV algorithms: 1) using a bench model; 2) and in the clinical settings.Results: During PAV+, adjusting the gain with the goal of targeting a normal range of respiratory effort was feasible, simple, and most often sufficient to ventilate patients from the onset of partial ventilatory support until extubation. During NAVA, the analysis of respiratory effort indices allowed us to precise the boundaries within which the NAVA level should be adjusted and to compare patient-ventilator interactions with PSV within similar ranges of assistance. During NIV, our data stressed the heterogeneity of NIV algorithms implemented on ICU ventilators. We therefore reported that dedicated NIV ventilators allowed better patient-ventilator synchronization than ICU ventilators, even with their NIV algorithms engaged.Conclusions: During invasive mechanical ventilation, customizing the assistance during proportional ventilatory modes with the goal of targeting a normal range of respiratory effort optimizes patient-ventilator interactions and is feasible with PAV+. During NIV, dedicated NIV ventilators allow better patient-ventilator synchrony than ICU ventilators, even with their NIV algorithm engaged. ICU ventilators' NIV algorithms efficiency is however highly variable among ventilators.