Cours de certification OIC-COMSTECH et Université de Ningbo Sur l’IA biomédicale appliquée
“Organisé par: Centre des sciences, de la technologie et de l’innovation (STIC), COMSTECH”
Conférencier invité
Professeur Dr Yuzong Chen
Directeur adjoint, Laboratoire national clé d’oncogénomique chimique
Université de Ningbo, Chine
Animateur technique/Conférencier
Prof.Dr. Wang Likun
Université de Ningbo, Chine
Organisé par:
Centre des sciences, de la technologie et de l’innovation (STIC), COMSTECH
Détails de l’atelier : Cette formation certifiante s’adresse aux chercheurs confirmés, cliniciens, data scientists et enseignants-chercheurs des domaines de la biotechnologie, de la bioinformatique, de l’informatique, de la pharmacie et des sciences de la vie, désireux d’intégrer l’IA aux applications biomédicales. Ce programme vise à doter les participants de compétences pratiques et d’une expérience concrète de l’application de l’intelligence artificielle pour résoudre des défis concrets en santé et en recherche biomédicale, notamment dans des contextes de ressources limitées. Les participants acquerront également des connaissances sur la mise en place et la pérennisation d’initiatives de recherche biomédicale axées sur l’IA au sein de leurs établissements
Objectifs d’apprentissage:
À la fin de cet atelier, les participants seront capables de:
- Comprendre les principes fondamentaux et les applications pratiques de l’IA en biomédecine et en santé.
- Appliquer les outils et techniques d’IA à l’analyse de données, au diagnostic et à la recherche dans des environnements aux ressources limitées.
- Identifier leurs propres besoins de formation pour améliorer l’intégration de l’IA dans la recherche biomédicale et clinique.
- Définir les exigences clés pour la création de centres de recherche biomédicale ou clinique utilisant l’IA au sein de leurs établissements
Public cible:
- Professionnels de santé et chercheurs expérimentés
- Enseignants et responsables universitaires en sciences de la vie, en informatique et dans les domaines biomédicaux
- Administrateurs et décideurs politiques du secteur de la santé
- Fonctionnaires des secteurs des sciences et technologies, de la santé et de l’éducation
- Data scientists et passionnés d’IA travaillant dans la recherche biomédicale
Module de cours:
| Numéro de conférence | Titre | Sujets abordés |
| 1 | Présentation de l’IA : Qu’est-ce que l’IA ? | Comment fonctionne-t-elle ? Apprentissage automatique vs apprentissage profond, histoire de l’IA |
| 2 | IA et Big Data en biomédecine | A et Big Data dans le langage, l’image, l’audio, la biomédecine ; bases de données biomédicales |
| 3 | Méthodes d’apprentissage automatique supervisé – Partie 1 | Méthodes ML supervisées simples, k-plus proche voisin, classificateurs bayésiens |
| 4 | Méthodes d’apprentissage automatique supervisé – Partie 2 | SVM, arbres de décision, forêt aléatoire, mesure des performances, formation avec de petits ensembles de données |
| 5 | Méthodes d’apprentissage automatique non supervisées | Mesures de distance/similitude, clustering hiérarchique, K-means, C-means flous |
| 6 | Méthodes de régression d’apprentissage automatique | Régression linéaire/polynomiale, PCA, PLS, régression logistique, crête, LASSO |
| 7 | Apprentissage automatique biomédical | Applications du ML dans les domaines biomédicaux |
| 8 | Réduction de la dimensionnalité des données, sélection de caractéristiques et applications biomédicales | PCA, t-SNE, UMAP, visualisation, méthodes de sélection de caractéristiques, applications biomédicales |
| 9 | Modèles CNN d’apprentissage profond | Principes fondamentaux des réseaux de neurones convolutifs (CNN) |
| 10 | Modèles CNN biomédicaux d’apprentissage profond | CNN appliqués aux données et diagnostics biomédicaux |
| 11 | Incorporation de mots et codage biomoléculaire | Techniques d’intégration de mots, codage de biomolécules (ADN, ARN, protéines), codage chimique et alimentaire |
| 12 | Réseau neuronal récurrent (RNN) et applications | Notions de base sur RNN, LSTM, RNN vs. LSTM, applications dans les données séquentielles |
| 13 | Transformer | Mécanismes d’attention, introduction à l’architecture Transformer |
| 14 | Apprentissage profond pharmaceutique Modèles | Découverte de médicaments et apprentissage profond dans les applications pharmaceutiques |
| 15 | Apprentissage profond spectroscopique en biochimie et biomédecine | Techniques de spectroscopie, modèles DL pour données spectroscopiques |
| 16 | ML et DL métabolomique | Métabolomique, applications ML et DL en métabolomique |
| 17 | Génomique microbienne et apprentissage profond métagénomique | Génomique microbienne, métagénomique, applications d’apprentissage profond |
| 18 | Herbal AI | Médecine traditionnelle, bases de données à base de plantes |
| 19 | Apprentissage automatique et apprentissage profond dans le domaine alimentaire | Technologie alimentaire, bases de données, ML et DL en sciences alimentaires |
- Affiche de la formation certifiée: Ci-joint
- Date: 23 – 31 juillet 2025, 11 – 20 août 2025
- Horaire: 13 h 30 (heure normale du Pakistan)
- Procédure d’inscription: En présentiel – En ligne
- lien d’inscription: https://form.jotform.com/251831182061449
- Adresse: Secrétariat du COMSTECH, 33-Constitution Avenue, G-5/2, Islamabad
Téléphone: 92 51 9220681-3
Courriel: comstech@comstech.org