Renaud Jardri

professeur des universités-praticien hospitalier - Psychiatrie de l'enfant et de l'adolescent
CNU : SECTION 4904 - PEDOPSYCHIATRIE
    Secrétariat : +33 (0)320 446 747
J26H+58 Lille
Pour toute demande de participation à un jury, merci de contacter mon assistante.
renaud_jardri.png

Renaud Jardri

professeur des universités-praticien hospitalier - Psychiatrie de l'enfant et de l'adolescent

Axes de recherche

Je poursuis actuellement mes travaux à travers trois axes de recherche :

1) Le développement de nouvelles méthodes automatisées de capture hallucinatoire en IRMf, basées principalement sur des techniques d’apprentissage machine. Non seulement, l’analyse conventionnelle de données fonctionnelles per-hallucinatoires s’avère complexe et chronophage, mais l’automatisation de cette procédure ouvre la voie à l’utilisation de l’IRMf en temps-réel et à des thérapies innovantes neuroguidées, telles que la rTMS (PHRC-N 2011) ou le neurofeedback (ANR-JC 2016) pour traiter des adolescents et jeunes adultes présentant des hallucinations pharmaco-résistantes.

2) Le développement d’un outil validé d’exploration des hallucinations précoces. Les hallucinations précoces présentent de nombreuses spécificités épidémiologiques, cliniques, phénoménologiques et pronostiques. Pourtant, très peu d’outils permettent de caractériser ces expériences dans l’ensemble des modalités sensorielles, indépendamment d’un diagnostic catégoriel donné, tout en étant adapté à l’âge de l’enfant. C’est pourquoi nous avons développé une application E-Santé (MHASC, pour Multisensory Hallucinations Scale for Children), dont une version BETA (encore en cours de validation) est disponible gratuitement sur l’AppStore et le PlayStore en version multi-langue.

3) Le développement d’un modèle physiopathologique multi-échelle de la schizophrénie, basé sur le modèle de l’Inférence Circulaire. Développé au cours de mon post-doctorat, ce cadre théorique permet de modéliser la formation de croyances dans un réseau bayésien hiérarchique simulant le fonctionnement cortical. Nous avons récemment démontré que ce modèle permettait de rendre compte du comportement individuel et de groupe de sujets souffrant de schizophrénie et de témoins appariés, tout en capturant les différentes dimensions cliniques du trouble (Nat Commun, 2017). Nous espérons désormais augmenter la plausibilité biologique de ce modèle en l’ajustant à du signal neural.