Lucas Guillet De La Brosse

Conception et mise en production de solutions de simulation et prédiction pour le diabète, de la R&D à la validation clinique.

• Jumeau numérique de patient diabétique (partenariat Sanofi, SFD 2024) — modèle hybride équations différentielles & ML, avec personnalisation des paramètres physiologiques par optimisation globale (évolution différentielle), permettant la simulation de scénarios glycémiques pour l’aide à la décision.
• Simulation interactive pour l’éducation thérapeutique — conception et déploiement d’une web app utilisée en consultation comme outil pédagogique partagé soignant/patient, permettant de rejouer les journées du patient et d’évaluer l’impact de modifications (repas, insuline, basal) sur le profil glycémique.
• Prédiction glycémique personnalisée — modèles hybrides pharmacocinétique & ML entraînés sur données patient (CGM, repas, insuline), avec prédictions jusqu’à 90 min · MARD 6,98% à 30 min, 99,9% en zone cliniquement sûre · pour l’anticipation glycémique et l’aide à la décision thérapeutique.
• Détection de repas en temps réel — algorithme ML de détection de prise alimentaire, généralisable inter-patients, basé sur le signal CGM seul sans saisie manuelle · AUC 91,5%, délai moyen 25,6 min.
• Validation clinique de l’outil de simulation (CHU Montpellier) — la courbe prédite améliore la décision thérapeutique dans 85% des cas sur événements hypo et hyperglycémiques, évaluée par des diabétologues.

• Classification d’activités physiques — modèles ML sur données de capteurs issus de montres connectées (accéléromètre, gyroscope, fréquence cardiaque), avec feature engineering fréquentiel (FFT, entropie spectrale) et modèles Random Forest / SVM · 99% d’accuracy en validation inter-individus.
• Prédiction de salaires à l’embauche des consultants — Pipeline NLP appliqué aux CV et profils RH (TF-IDF, nettoyage, tokenisation) avec régressions Ridge / Lasso · MAE 163€ sur validation LOOCV