Sara Ahmed, PT, PhD., est professeure à la Faculté de médecine et des sciences de la santé de l’Université McGill et chercheuse au Centre de recherche et d’évaluation sur les résultats (CORE) de l’IR-CUSM et au Centre de recherche interdisciplinaire en réadaptation (CRIR). Elle est directrice scientifique du Réseau de santé numérique du FRQS qui vise à faire progresser la formation de la prochaine génération de scientifiques et d’innovateurs et à accélérer le développement, la mise en œuvre et l’évaluation des innovations en santé numérique. Elle dirige un programme de recherche en santé numérique centrée sur la personne et est directrice scientifique du projet BRILLIANT Learning Heath Community (https://www.brilliant-cfi.ca), qui fait partie d’un réseau d’initiatives internationales Living Labs et Open Science. Elle mène des recherches visant à améliorer la santé des personnes atteintes de maladies chroniques. Ses recherches portent sur la mise en œuvre de solutions de santé numériques et de mesures centrés sur le patient travers les trajectoires de soins afin d’éclairer la prise de décisions cliniques et du système de santé.
Aude Motulsky est professeure à l’École de santé publique de l’Université de Montréal (département de gestion, d’évaluation et de politique de la santé) et chercheuse scientifique au Centre académique de santé de l’Université de Montréal. Elle est directrice adjointe du Consortium Santé numérique et co-directrice du LabTNS – Transformation numérique en santé. Ses activités de recherche portent principalement sur l’analyse de l’adoption, l’implantation et des effets des dossiers cliniques numériques, tels que les dossiers médicaux électroniques (DME), les dossiers cliniques informatisés (DCI), le Dossier santé Québec (DSQ) et les fonctionnalités qui y sont liées. En s’intéressant en particulier aux facteurs qui facilitent et limitent l’utilisation et l’utilisabilité des outils, et l’interprétabilité des données cliniques partagées tout au long de la trajectoire de soin des patients. Le tout dans une perspective de développer les capacités analytiques, autant à des fins cliniques, gestionnaire et de recherche. Ses travaux portent aussi sur les technologies visant à optimiser l’usage des médicaments, notamment la prescription électronique et le bilan comparatif informatisé. Elle s’intéresse aussi à l’interopérabilité sémantique et aux standards terminologiques, en particulier en lien avec l’usage des médicaments, leur modalité d’usage, et leur profil d’efficacité et d’innocuité.
Martin Vallières est professeur adjoint au département d’informatique de l’Université de Sherbrooke (avril 2020). Il a obtenu un doctorat en physique médicale de l’Université McGill en 2017 et a complété une formation postdoctorale en France et aux États-Unis en 2018 et 2019. L’objectif principal de la recherche de Martin Vallières est centré sur le développement de modèles cliniquement actionnables pour mieux personnaliser les traitements et les soins contre le cancer (« oncologie de précision »). Il est expert dans le domaine de la radiomique (l’analyse quantitative à haut débit d’images médicales) et de l’apprentissage automatique en oncologie. Au cours de sa carrière, il a développé de nombreux modèles de prédiction pour différents types de cancers. Titulaire d’une chaire du Canada en intelligence artificielle, Martin Vallières consacre une grande part de ses travaux actuels au développement d’une solution pour la modélisation intégrative des données en oncologie. Il dirige le développement de MEDomicsLab, une plateforme en code source ouvert de calcul bout-en-bout pour l’oncologie de précision. Cette plateforme intégrera des données hétérogènes issues des hôpitaux, grâce à des méthodes d’apprentissage profond et d’apprentissage automatique basées sur la théorie des graphes. En contribuant à l’amélioration des modèles de prédiction en oncologie, MEDomicsLab deviendra un outil d’intelligence artificiel déterminant en médecine. Martin Vallières est aussi membre de l’institut de recherche en intelligence artificielle Mila.
Bouchra Nasri est membre de la faculté de biostatistique du département de médecine sociale et préventive de l’Université de Montréal. Professeur Nasri est titulaire d’une bourse FRQS Junior 1 en intelligence artificielle en santé et en santé numérique et est chercheuse principale dans le cadre de subventions financées par le CRSNG et les IRSC en statistiques théoriques pour les données complexes et en modélisation mathématique pour les maladies infectieuses. Elle est coresponsable du thème de la gestion des données (2021-2024) du réseau ‘One health modelling network for emerging infections’ (OMNI) et membre de ‘Mathematics for Public Health’ (MfPh) financé par le CRSNG et l’ASPC. Depuis mars 2023, elle a été nommée présidente du ‘PathCheck’s Data Informatics Center of Epidemiology’ et depuis 2024, elle est codirectrice du Réseau de Santé Numérique. Le professeur Nasri est l’auteur et la co-auteur de plusieurs articles sur les séries temporelles, la modélisation de la dépendance, les statistiques multivariées, la modélisation mathématique des maladies infectieuses, l’exploration de texte et la synthèse des données probantes.
Philippe Després est professeur titulaire au Département de physique, de génie physique et d’optique de l’Université Laval. Il est également membre du Centre de recherche sur le cancer de l’Université Laval, physicien médical au CHU de Québec-Université Laval et chercheur à l’Institut universitaire de cardiologie et de pneumologie de Québec-Université Laval (IUCPQ-UL). Après une maîtrise à l’Université Laval (2000, Physique) et un doctorat à l’Université de Montréal (2005, Physique), il a réalisé un stage postdoctoral (2005-2007) à University of California, San Francisco dans le domaine du génie biomédical et de l’imagerie moléculaire. Ses projets de recherche portent principalement sur l’imagerie médicale, notamment sur la reconstruction tomographique et l’utilisation de l’intelligence artificielle pour la détection et la classification. Il a été un pionnier du calcul informatique de pointe sur processeurs graphiques (GPU), menant au développement d’applications innovantes en physique médicale, notamment un code de transport radiatif Monte Carlo ultra-rapide basé sur GPU. Il s’intéresse aussi à la valorisation des données dans le milieu médical, en particulier aux infrastructures, aux normes et aux bonnes pratiques (incluant les principes FAIR) nécessaires à l’exploitation responsable de l’information clinique. À ce titre, il agit comme co-responsable de CIRRUS, le Centre d’intégration et de régie des renseignements de santé pour utilisation secondaire à IUCPQ-UL. Il est aussi le directeur du Centre de recherche en données massives (CRDM) de l’Université Laval ainsi que chercheur à l’Observatoire international sur les impacts sociétaux de l’IA et du numérique. Il siège au Conseil des chercheurs de l’Alliance de recherche numérique du Canada et dirige le programme CRSNG FONCER en Science des données responsable dans le domaine de la santé (sdrds.org).