Postes disponibles

Le programme SDRDS recrute en continu; contacez-nous pour en savoir plus!

Début du projet
Titre du projet de recherche
- Offre d'emploi - : Agente, agent de recherche et de planification
Description

Issu du milieu de la recherche avec un intérêt marqué pour la gestion des données ? ==> Cette offre d'emploi pourrait vous intéresser :

Lieu de travail
Vice-rectorat à la recherche, à la création et à l'innovation
Pavillon des sciences de l'éducation
 

Statut/Admissibilité
Affectation temporaire ou contrat temporaire
Ouvert à tous
 

Détails du poste

  • Classe 7
  • Échelle de traitement: 65 728$ à 98 990$
  • Code du poste: 70593
  • Date d'entrée en fonction: Dès que possible
  • Durée du contrat: 1 an avec possibilité de renouvellement jusqu'à la fin du programme Sentinelle Nord (31 août 2025)

 

Description de fonction
Agente ou agent de recherche et de planification

 

Scolarité et expérience

Grade universitaire de 1er cycle dans une discipline appropriée et quatre (4) années d'expérience pertinente.
OU
Grade universitaire de 2e cycle dans une discipline appropriée et deux (2) années d’expérience pertinente.
 

Responsabilités

Sous la supervision du directeur général et en étroite collaboration avec la gestionnaire du programme et la conseillère à la mobilisation des connaissances, le rôle principal de l’agente/agent de recherche de planification sera d’assurer la coordination des efforts de suivi des progrès et de l’impact du programme Sentinelle Nord, en plus de soutenir activement la mise en œuvre du plan de mobilisation des connaissances du programme. 

En plus des responsabilités principales liées à la fonction, la personne sélectionnée devra : 

Appuyer la mise en œuvre du plan de mesure de performance de Sentinelle Nord afin de suivre l'évolution du programme par rapport à des objectifs et des indicateurs de performance prédéfinis;
Soutenir le plan mobilisation des connaissances de Sentinelle Nord, y compris le développement de nouvelles approches pour promouvoir les résultats de la recherche et maximiser l’impact du programme;
Contribuer à la production d'études de cas (publications) visant l’évaluation de l’impact et de l’interdisciplinarité de Sentinelle Nord;
Assurer la collecte et l'analyse des données quantitatives et qualitatives du programme afin d'évaluer l'impact de la recherche de Sentinelle Nord;
Participer au développement de nouvelles visualisations de données pour communiquer les réalisations du programme;
Participer au développement de nouvelles approches d'évaluation et à l'évaluation de l'interdisciplinarité du programme;
Préparer les résultats et les informations pertinentes nécessaires à la reddition de compte interne et externe;
Coordonner le processus de soumission des rapports d’avancement et de rétroaction aux équipes de recherche;
Assurer la gestion de la base de données des communications scientifiques de Sentinelle Nord;
Participer au développement et à la mise en œuvre de diverses activités déployées par le programme Sentinelle Nord.  
 

Atouts :

  • Expérience en gestion de données;
  • Expérience en recherche interdisciplinaire;
  • Une bonne maîtrise du français autant à l’oral qu’à l’écrit et une très bonne connaissance pratique de anglais, autant à l’oral qu’à l’écrit.

 

En savoir plus

Directeur.e(s) de recherche
Philippe Després
Début du projet
Titre du projet de recherche
Stage d’intelligence artificielle en santé : Les biomarqueurs digitaux pour la prédiction du risque de complications pour les personnes à haut-risque
Description

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. 

Directeur.e(s) de recherche
Philippe Després
Collaboration
Yannick Lemaréchal
Début du projet
Titre du projet de recherche
Infrastructures numériques et ingénierie de données en imagerie médicale
Description

Les données médicales sont un terreau fertile pour la recherche, de l’analyse statistique jusqu’au développement de modèles prédictifs basés sur l’intelligence artificielle. Cependant, l’utilisation de ces données est contrainte par des enjeux de confidentialité et de sécurité. Dans ce contexte, nous recherchons un(e) étudiant(e) en génie logiciel ou domaine connexe pour mettre en place une infrastructure numérique visant répondre aux besoins des chercheurs et des chercheuses, tout en respectant les cadres éthique, juridique et réglementaire actuels. L’infrastructure numérique servira principalement la communauté de recherche en imagerie médicale.  

 

Mandat :  

• Définir l'architecture technologique selon les orientations en vigueur à l'Université Laval 

• Réaliser les développements et le déploiement 

• Accompagner les utilisateurs dans l’utilisation de la plateforme 

 

Principaux atouts pour le poste : 

• Vous êtes autonome dans les tâches qui vous sont confiées mais vous n'hésitez pas à demander de l'aide s'il le faut 

• Vous savez communiquer de façon claire et en toute transparence avec les membres de l'équipe 

• Curiosité pour explorer de nouvelles pistes 

Cette expérience est l’occasion de : 

• Intégrer un projet innovant  

• Découvrir l’univers de l'ingénierie des données 

• Utiliser de nombreux outils et langages : Python, RabbitMQ, Suite Elastic (logstash, elasticsearch, kibana), Kubernetes, Docker, postgreSQL, S3 

• Travailler en méthodologie agile 

 

Pour toute question : yannick.lemarechal.1@ulaval.ca 

Directeur.e(s) de recherche
Philippe Després
Début du projet
Titre du projet de recherche
Stage en apprentissage automatique et imagerie par tomodensitométrie dans le secteur bioalimentaire
Description

Un stage d’été basé sur le recalage et la segmentation automatique d’images est offert cet été chez un partenaire industrieldans l’industrie agroalimentaire. Le/la candidate développera aussiun algorithme d’identification d’artéfacts de mouvement sur les images, à partir de méthodes d’apprentissage automatique. La phase de développement pourrait être suivie d’un déploiement en production, ce qui implique l’intégration de la solution dans un flot de travail déjà établi. Des compétences en vision numérique et segmentation automatique sont des atouts, ainsi qu’une connaissance de base de l’imagerie médicale (tomodensitométrie, standard DICOM). Une maîtrise des langages Python, C++, CUDA est aussi souhaitable.

Directeur.e(s) de recherche
Anne-Sophie Charest
Philippe Després
Début du projet
Titre du projet de recherche
Possibilités et limites de DataSHIELD pour la protection de données de santé
Description

Il est souvent difficile de partager des données dénominalisées entre différentes organisations et chercheurs en raison de contraintes éthiques liées à la confidentialité des répondants. C'est une réalité fréquente dans le domaine de la santé, étant donné la sensibilité inhérente de ce type de données. Une option dans ce cas est de ne pas partager directement les données, mais plutôt de donner accès à celles-ci via un outil qui contrôle le risque de divulgation des requêtes effectuées et permet seulement celles qu'il considère sécuritaires. DataSHIELD est un tel outil qui a été proposé pour protéger la confidentialité d'un jeu de données, et qui s'utilise via le logiciel statistique R. Il permet en outre de faire des analyses statistiques sur plusieurs jeux de données hébergés à des endroits différents, toujours en assurant la confidentialité des répondants.

Dans ce projet, on s'intéresse aux garanties de confidentialité fournies par le logiciel, et aux limites de celui-ci.

On souhaite notamment établir des principes pour guider le choix des paramètres de contrôle de la divulgation offerts avec l'outil, et comprendre plus précisément l'impact de ces contrôles sur la qualité des statistiques descriptives, modèles linéaires et graphiques produits.

Directeur.e(s) de recherche
Venkata Manem
Philippe Joubert
Début du projet
Titre du projet de recherche
Chercheur postdoctoral en biologie computationnelle/Cancer du poumon
Description

Un poste de stagiaire postdoctoral en biologie computationnelle du cancer est disponible au Centre de recherche de l’Institut universitaire de cardiologie et de pneumologie de Québec (IUCPQ) dans les laboratoires du Dr Venkata Manem et du Dr Philippe Joubert.

Nous sommes à la recherche d’un candidat très motivé ayant une expérience avec le développement de modèles de Machine Learning (ML) et de Deep Learning (DL) appliqués aux données de santé. Le candidat retenu abordera le développement et l'application d'algorithmes de ML et de DL pour extraire des informations biologiques pertinentes à partir de données d'imagerie et de pathologie de patients atteints de cancer du poumon. Le candidat aura accès à des infrastructures de calcul et établira des collaborations avec des experts de différentes disciplines.
Durée: un an avec la possibilité de prolongation d’une 2ème année.


Responsabilités:
L'objectif principal de ce projet est de développer des biomarqueurs basés sur l'intelligence artificielle pour améliorer la prise en charge clinique des patients atteints de cancer du poumon, en particulier, i) Immunothérapie et pathologie computationnelle: Développement de biomarqueurs prédictifs de la réponse d'immunothérapie en utilisant des données d'imagerie et de biomarqueurs pronostiques, y compris des images pathologiques numérisées; ii) Détection du cancer du poumon: Développement de nouveaux biomarqueurs intégrant des profils de métabolites avec des données d'imagerie pour la détection du cancer du poumon.

Ces projets vont tirer parti des ensembles de données multi-OMICS (génomique, images médicales, diapositives pathologiques et profils immunitaires) générés à l'IUCPQ dans le cancer du poumon.


Qualifications:
• Doctorat en biologie computationnelle, en bio-informatique, en informatique ou dans d'autres domaines connexes
• Candidat très motivé, autonome et indépendant
• Capacité à prospérer dans un environnement de recherche collaborative
• Expertise en ML / DL
• Solide expérience en programmation (R, Python ou autres langages de recherche)
• Expérience avec une infrastructure informatique de haute performance
• Excellent record de publication
• Capacité à rédiger et publier des résultats dans des revues scientifiques
• Présenter les résultats de la recherche dans divers forums scientifiques


Pour postuler, veuillez soumettre votre dossier de candidature à philippe.joubert@criucpq.ulaval.ca ou à venkata.manem@criucpq.ulaval.ca. 
Dossier de candidature :
• Curriculum vitae
• Noms et courriels de trois références
• Deux publications ou prépublications (si disponibles)


Information additionnelle:
Le poste sera situé à l'IUCPQ. Nous proposons un contrat à temps plein, un environnement de recherche très stimulant avec l'infrastructure informatique nécessaire.
Durée: temporaire, 1 an, avec la possibilité de prolongation d’une 2ème année.
Salaire: Il s'agit d'un salaire compétitif à la mesure des qualifications et de l'expérience du candidat. Le salaire annuel plus les avantages sociaux seront versés selon la convention collective des stagiaires postdoctoraux de l'Université Laval.
Date de début: printemps 2021
 

Directeur.e(s) de recherche
Philippe Després
Début du projet
Titre du projet de recherche
Refonte et adaptation d'un outil d'exploration de données médicales
Description

Plusieurs suites logicielles ont été développées pour explorer des données médicales, structurées ou non, afin de faciliter certaines tâches à l'interface de la clinique et de la recherche: reconstruction de la trajectoire des patients, constitution de cohortes, croisement entre bases de données, etc. Ce projet consiste à adapter Dr Warehouse, un outil développé en France, à l'écosystème québécois de technologies de l'information dans le domaine médical. Il s'agira entre autres de migrer la solution actuelle d'arrière-guichet et d'explorer de nouvelles technologies d'indexage de contenu basées sur du logiciel libre. Comme Dr Warehouse mise sur une interface intuitive, les développements futurs devront être réalisés en conformité aux attentes des utilisateurs (médecins, chercheurs). De plus, l'arrimage aux terminologies et ontologies de certains domaines présidera à ces développements. Ce projet peut inclure des séjours en France et des stages en milieu industriel.

Directeur.e(s) de recherche
Philippe Després
Pierre-Luc Déziel
Début du projet
Titre du projet de recherche
Design et implémentation d’un nouveau modèle gouvernance des données à l’ère de la santé numérique; PULSAR comme banc d’essai pour l’innovation responsable
Description

Une réglementation adéquate de la collecte de données et la protection des droits (tel que le droit à la vie privée) sont des défis majeurs auxquels sont confrontés les institutions et les gouvernements du monde entier, dans des domaines variés comme les villes intelligentes ou les soins de santé.  Ces défis s'inscrivent dans le cadre plus général de la gouvernance des données, qui touche tant les modèles (comme les fiducies) que les politiques liées à la gestion des données (qualité, consentement relatif à leur collecte). La mise en œuvre de cadres de gouvernance des données reste un défi, car les institutions sont confrontées à des problèmes techniques, organisationnels et sociétaux (par exemple, la confiance du public). Plus précisément, les défis comprennent: une bonne gestion du consentement dans un contexte où il peut être retiré (consentement dynamique), une évaluation efficace des systèmes d'information et l'application des protocoles dans un environnement de partage de données multipartite (coordination et évaluation des risques), et une bonne compréhension des risques, droits et cas d'utilisation potentiels de la part des personnes concernées (consentement éclairé). Ces défis sont communs à plusieurs initiatives d'innovation et opposent souvent l'utilisation efficace des nouvelles technologies aux dommages potentiels liés à l'utilisation abusive des données. 

L'écosystème PULSAR de l'Université Laval joue un rôle central d'intendance de données de recherche recueillies dans le cadre d'un consentement relativement large pour étudier la santé durable. PULSAR est le premier réseau de recherche voué à la recherche en santé durable. Mis en œuvre par l’Université Laval et Alliance santé Québec, PULSAR est un espace collaboratif de recherche et d’innovation. À la fois virtuel et réel, l’espace PULSAR rassemble des acteurs de tout horizon qui voient la recherche en santé autrement. Le partage de données entre patients et chercheurs et leur valorisation sont des éléments clés de l’initiative PULSAR. 
 
PULSAR élabore présentement un modèle de gouvernance des données favorisant l'innovation responsable au bénéfice de toutes ses parties prenantes (citoyens, chercheurs, intervenants et décideurs). Ce projet consiste à 

- identifier des modèles et mécanismes de gouvernance des données compatibles avec la philosophie de science ouverte PULSAR; 

- mesurer l'acceptabilité de ces modèles et mécanismes avec toutes les parties prenantes;

- développer et mettre en œuvre un modèle de gouvernance des données adapté à l'écosystème PULSAR.

Le projet s’appuiera sur le savoir-faire de Nord Ouvert, un organisme à but non lucratif, possédant une expertise unique sur les questions de la gouvernance et de la gestion des données au service du bien commun. 


Nous cherchons à pourvoir un poste d'assistant de recherche pour soutenir ce projet. L'assistant de recherche sera intégré dans l'équipe de recherche appliquée de Nord Ouvert, tout en travaillant sous la supervision d'un des chercheurs impliqués dans le projet.

Responsabilités :

- Aider à la coordination des partenaires du projet, y compris la planification et la participation aux réunions du projet et la transcription des procès-verbaux des réunions.

- Mener des recherches sur divers aspects de la gouvernance des données de santé, y compris la gestion des données, l'architecture technique, l'éthique de la recherche et l'analyse organisationnelle.

- Soutenir la conception et la conduite d'entretiens structurés ou semi-structurés avec des groupes de parties prenantes, y compris des chercheurs et des membres du public.

- Participer au développement et à la réalisation d'ateliers et de webinaires.

Qualifications :

- Bilingue (un atout)

- Forte capacité à synthétiser des informations provenant de sources universitaires et de la littérature grise et à communiquer des idées complexes

- De bonnes compétences en matière d'organisation et de gestion de projets

- Étudiant.e de niveau maîtrise dans des disciplines telles que le droit, l'administration et la gestion, l'informatique, la philosophie, la bibliothéconomie et les sciences de l'information. 

- Possibilité d'adapter le poste aux intérêts académiques de l'étudiant.e.

Prière de manifester votre intérêt à l’adresse admin@sdrds.org.

Découvrir

Projet en vedette

Ce projet de recherche se base sur l’analyse de données massives portant sur l’index NOL et d’autres paramètres cliniques intraopératoires utilisés par les anesthésistes durant une chirurgie. Ces paramètres les aident à prendre des décisions de traitements analgésiques chez un patient non-communiquant sous anesthésie générale et chez qui il est impossible d’évaluer la douleur et les besoins en analgésiques par les questionnaires habituels réalisés sur patients éveillés.

Lire plus