Université de Nantes

Date de début
septembre ou octobre 2022
Sujet Les travaux de thèse s’inscrivent dans un contexte fortement interdisciplinaire (IA / Santé). Le but de la thèse est de développer un gestionnaire automatisé de scénarios de simulation d’anesthésies sur un patient digital, pour l’entraînement d’internes et d’infirmiers anesthésistes. Ces scénarios doivent être réactifs aux actions de l’interne ou de l’infirmier en formation. La clé du problème consiste à savoir simuler l’évolution des paramètres physiologiques du patient digital en fonction de l’action déclenchée par la personne en formation ou par le reste de l’équipe médicale (qui est virtuelle). Il faut également savoir prédire la prochaine action de l’équipe médicale (hors personne en formation). On peut tirer parti des données enregistrées lors des anesthésies d’une cohorte de patients réels, opérés pour la même chirurgie, pour prédire l’évolution du patient numérique au fil des actions réalisées sur le patient. Pour chaque patient de la cohorte, nous disposons également de la trace des actions médicales réalisées sur le patient, au bloc opératoire. Ces traces sont utilisées pour prédire la prochaine action à réaliser, au fil d’un scénario. Du point de vue IA, nous sommes donc confrontés à un problème d’apprentissage semi-supervisé à partir de séries temporelles multivariées et de traces d’événements interdépendantes, dans un objectif de prédiction de séries temporelles multivariées à court-terme et en temps réel, et de prédiction du prochain événement.
Description du sujet
ici

Encadrement
Christine Sinoquet (page web), Directrice de thèse, Maître de Conférences HdR en Informatique au Laboratoire des Sciences du Numérique de Nantes / UMR CNRS 6004 et Corinne Lejus-Bourdeau, Professeur des Universités – Praticien Hospitalier, Docteur en Médecine au Service d’Anesthésie-Réanimation chirurgicale du CHU de Nantes / Hôtel Dieu – Hôpital Femme-Enfant-Adolescent, Directeur du Laboratoire Expérimental de Simulation de Médecine Intensive de l’Université de Nantes (LESiMU).
Mots-clés
Intelligence artificielle, santé du futur, patient digital, formation assistée par le numérique, bloc opératoire, anesthésie, simulation, modélisation, apprentissage semi-supervisé, apprentissage profond, séries temporelles, traces d’événements
Profil
Master ou équivalent en Mathématiques ou Mathématiques / Informatique ou Informatique
avec spécialisation en science des données ou probabilités / statistique, ainsi qu’en apprentissage automatique (incluant deep learning de préférence)
–  Compétences théoriques et expérience requises en probabilités / statistiques, mathématiques appliquées, apprentissage automatique
– Si la personne candidate n’a pas d’expérience dans la modélisation par composition de modèles utilisant des réseaux de neurones profonds, qui est l’un des axes d’investigation de la thèse, elle devra en revanche montrer une forte motivation pour s’investir dans ce domaine
– Intérêt pour l’interdisciplinarité (santé)
– Expérience en programmation et bon niveau de programmation
– Bonnes capacités rédactionnelles
– Aptitude au travail en équipe, capacité à rendre compte de l’avancement de ses travaux

Financement Ces travaux de recherche seront financés dans le cadre du projet AIby4 (AIby4). AIby4 est l’un des 22 projets retenus par l’ANR pour son appel ‘‘contrats doctoraux en IA’’ (2020-25). Calendrier de la sélection Les dossiers de candidature seront de préférence envoyés avant le jeudi 21 avril 2022 12H00.
Date limite d’envoi des candidatures : mardi 26 avril 2022 12H00

Les personnes correspondant au profil demandé seront convoquées pour une audition par visio-conférence (au fil de l’eau).
Décision : mi-mai 2022

Pièces à fournir
    – CV détaillé
    – lettre de motivation
    – relevé de notes de Master 1 (avec rang de classement et effectif de la promotion)
    – notes de Master 2 hors stage (avec rang de classement et effectif de la promotion)
    – résumé du stage en cours (entre 2 et 4 pages, références bibliographiques en sus)
    – lettres de recommandation pour l’année en cours
    – coordonnées de personnes référentes (prénom, nom, statut, institution (détailler les sigles le cas échéant), ville, adresse mail, numéro de téléphone)

Questions et envoi des dossiers de candidature (archive zip) à christine.sinoquet@univ-nantes.fr

Leave a Reply

Your email address will not be published. Required fields are marked *