Contexte du stage :
L'utilisation des moniteurs de signes vitaux - qui mesurent, enregistrent et affichent en temps réel un nombre plus ou moins important de paramètres physiologiques vitaux comme la fréquence cardiaque, la pression artérielle non invasive, la saturation fonctionnelle en oxygène, la température corporelle, le rythme respiratoire etc - en conjonction avec d'autres données médicales permettent une meilleure prise en charge et un suivi plus précis des patient.e.s à haut-risque, aussi bien en milieu hospitalier et ambulatoire qu'à distance, depuis leur domicile.
Ces systèmes alertent les professionnel.le.s de santé et/ou le patient.e. dès que les modifications des différentes données considérées sont effectives. Par exemple, une alerte peut être déclenchée lorsque la fréquence cardiaque d'un.e. patient.e. dépasse 120 bpm. Il serait plus intéressant d'utiliser l’ensemble de ces données pour prédire le risque de la complication en question bien avant son apparition.
Dans le cadre de ce projet, le but est d’identifier à partir de données collectées par des moniteurs de signes vitaux des biomarqueurs numériques caractérisant le risque de subir une complication chez les patient.e.s à haut-risque afin de construire des modèles prédictifs précis et en temps réel.
Le stage porte sur le développement des modèles prédictifs présélectionnés, leur évaluation sur des données publiques collectées et leur déploiement sur une architecture matérielle dédiée pour l’intelligence artificielle.
Une sélection de bases de données publiques appropriées sera opérée au préalable. Ainsi, l’étudiant.e. ne sera pas concerné.e. par l’étape de la collecte des données.
Responsabilités du stagiaire :
• Faire une revue de littérature des travaux existants sur les modèles prédictifs du risque de complication pour les personnes à haut risque (Exemple: prédiction d’un accident vasculaire cérébral (AVC) pour les personnes atteintes de diabète de type II), en utilisant les techniques d’intelligence artificielle/apprentissage profond sur les données collectées par les moniteurs de signes vitaux
• Faire un état de l’art sur les architectures d’apprentissage (training) et le déploiement (inference) dans le cloud, in-edge, et on-device
• Concevoir les pipelines et l’architecture MLOps qui permet d’effectuer efficacement toutes les étapes du cycle de vie de l’application visée: allant de l'analyse des données aux déploiements de workflows et à l'entraînement des modèles
• Vérifier et évaluer la pertinence des biomarqueurs identifiés pour la prédiction du risque d’un AVC, par exemple, en les testant avec un ou des modèles prédictifs à sélectionner, en tenant en compte des contraintes temps réel dans un système embarqué
• Écrire des codes python propres et bien documentés pour les tâches décrites ci-dessus
• Collaborer avec l’équipe du projet en France et au Canada
• Participer aux réunions de l’équipe de projet et préparer les présentations et les comptes rendus relatifs à l’avancement du stage
Compétences recherchées :
• Niveau demandé : Bac+5 (Master recherche/diplôme Ingénieur)
• Compétences: Python, Scikit-learn, TensorFlow, Keras
• Connaissances: time-series analysis, signal processing techniques, MLOps, réseaux de neurones (DNN/CNN)
• Excellentes compétences en communication écrite et orale
Conditions de travail et avantages :
Co-encadrement (information ci-dessous) : CEA-List (France), applicare.ai (Canada) et Université Laval (Canada)
Documents demandés :
Curriculum vitae (2 pages maximum)
Contacts :
Les demandes doivent être envoyées aux adresses courriels suivantes:
mariem.abid@applicare.ai
hana.krichene@cea.fr
________________________________________
applicare.ai (site web) est une startup en technologies médicales créée en 2022, qui développe des modèles de prédiction des risques de complications chez les personnes à haut-risque en utilisant des algorithmes d’intelligence artificielle appliqués à des données collectées en continu via des dispositifs médicaux de surveillance.
CEA_List (site web) : le Commissariat à l’Énergie Atomique et aux Énergies Alternatives (CEA) est un acteur majeur en matière de recherche, de développement et d’innovation. Cet organisme de recherche intervient dans trois grands domaines : l’énergie, les technologies pour la santé et l’information, et la défense. Au sein de la Direction de la Recherche Technologique (DRT) du CEA, le Laboratoire d’Intégration des Systèmes et des Technologies (LIST) a notamment pour mission de contribuer au transfert de technologies, dans le domaine des systèmes de calcul spécialisés, de la recherche amont vers les industries.
Programme science des données responsable dans le domaine de la santé (SDRDS) (site web) : le programme SDRDS, à l'interface de l'informatique, de la médecine, de la santé publique, du droit et de l'éthique, vise à former du personnel hautement qualifié dans un secteur névralgique: la science des données dans le domaine de la santé. Ces spécialistes seront appelés à travailler sur l'ensemble du cycle de vie de la donnée, de la collecte à l'analyse, tant dans le secteur public que privé.
