Composante
UFR Santé
Présentation
Objectifs
L’objectif principal du programme est de promouvoir une utilisation éclairée des big data biomédicales en formant des professionnels pour qu’ils acquièrent la sémantique des analyses quantitatives de pointe et ainsi, mieux appréhender les données santé massives et complexes.
Savoir-faire et compétences
Compétences génériques et transversales :
- Comprendre l’impact des données biomédicales sur la recherche et la pratique médicale
- Aborder les défis avec curiosité, esprit critique et créativité
- Participer à un projet qui mobilise des compétences pluridisciplinaires : conception, pilotage, coordination d’équipe, mise en œuvre et gestion, évaluation, diffusion
Compétences spécifiques :
- Décrire, structurer et résumer une grande quantité d’informations, connaître les analyses mathématiques et statistiques appropriées aux traitements de grands jeux de données
- Intégrer plusieurs sources de données pour établir des associations et permettre ainsi une meilleure interprétation des processus biologiques
- Utiliser des techniques de visualisation et de représentation des données biologiques et des résultats pour une lecture synthétique, et une interprétation aisée
- Identifier, sélectionner et analyser avec esprit critique diverses ressources spécialisées pour documenter un sujet et synthétiser ces données en vue de leur exploitation
- Maîtriser et appliquer la réglementation générale concernant la protection des données personnelles
Organisation
Contrôle des connaissances
100% sur évaluation écrite pour les participants à au moins 75% des enseignements
1 session + 1 session de rattrapage
Aménagements particuliers
La formation est dispensée par des enseignants chercheurs et des professionnels sous forme de cours interactifs et d’échanges, d’études de cas selon des modalités hybrides pour partie en présentiel et pour partie en distanciel.
L’ensemble des documents pédagogiques seront accessibles via la plateforme UniversiTICE, ainsi que l'accès à une classe virtuelle synchrone.
Programme
Durée : 79 heures dont 9 jours en présentiel et 6 jours en distanciel
Rythme : le vendredi et samedi (hors vacances scolaires)
Calendrier : Septembre à juin
Programme détaillé
UNIT 1 : Introduction to Data Science in Healthcare
- Historical perspective of data-driven medicine
- Overview of the Healthcare data ecosystem
- Open science, data sharing, privacy and ethical aspects
- Introduction to Healthcare Data Management
UNIT 2 : Design, Data Analysis and Reporting with R
- Report and Visualization of Baseline Characteristics
- Interpretation of Multiple Linear and Logistic regression
- Data Structure Visualization (heatmap and PCA)
- Data Analysis Project
UNIT 3 : Clinical Informatics and Data Management
- Essentials of Medical Informatics: Digital Health & Telemedicine
- Biomedical Bibliographic Databases: PubMed, Google scholar, etc
- Electronic Health Records & Health Data Warehouses
- Clinical Decision Support Systems
- Ontology and knowledge representation
- Text mining, Natural Language Processing and Machine learning
UNIT 4 : Genomics Medicine
- General principles of next generation sequencing and other omics (RNAseq, ChIPseq, Methylseq etc.)
- Data processing in genomics: file types, main tools and pipelines
- Data processing in omics: informatics management: workflows, computing resources, integration in pipelines
- Application of big data in genomics: casecontrol analyses, principles, quality controls & main methods
- NGS in clinical practice
UNIT 5 : Medical Imaging
- From microscopic image to wholebody analysis, an overview of medical imaging
- Medical imaging standards (DICOM, PACS, anonymization and image transfers)
- The major fields of image processing (production, quantification, classification, segmentation, prediction, monitoring)
- Introduction to machine learning and deep learning
- Current medical imaging applications of machine learning and deep learning
- Deep learning: example of a practical application
UNIT 6 : Networks and Systems Medicine
- Introduction to Systems Biology
- Systems Biology: applications to liver diseases
- Epidemiology in the data-driven medicine era
- Networks and systems biology
- Network medicine and drug repositioning
- Genome-scale metabolic modeling: basics and applications
- Microbiome in human health and disease
UNIT 7 : Medical Simulation
- Introduction to Medical Simulation
Admission
Conditions d'admission
Le dépôt des candidatures est à effectuer sur la plateforme dématérialisée eCandidat de l'Université de Rouen Normandie
Modalités d'inscription
Une commission pédagogique examine votre candidature et émet un avis. Vous recevrez votre confirmation d'admission sur votre espace candidat ainsi que dans votre boite mail. En cas d'admission, votre inscription administrative à l'université sera automatiquement saisie par les services de scolarité une fois votre candidature confirmée. Vous recevrez un lien d'activation de votre compte universitaire Multipass. L'UMFCS reprendra contact avec vous afin de vous transmettre un contrat de formation à signer mentionnant les modalités de paiement. Si vous avez indiqué une prise en charge par un tiers, c'est celui-ci qui recevra une convention de formation à signer.
Public cible
- Professionnel de santé (médecin, pharmacien, dentiste, sage-femme, infirmier-e en pratique avancée, interne, kinésithérapeute)
- Doctorants, ingénieurs, chercheurs, Docteurs en sciences (PhD)
- Licence sciences (mathématiques, statistiques, chimie, informatique, biologie)
Droits d'inscription
Le montant des frais de formation sont consultables sur le site internet du CFCA, rubrique LE CFCA > Nos tarifs.
Pré-requis obligatoires
Maîtrise de l’anglais (certains cours sont dispensés en anglais)
