Le projet est conduit en partenariat étroit entre l'Efrei et le CHU Estaing de Clermont-Ferrand.
L’Efrei, Grande École du Numérique créée en 1936, est un acteur indépendant majeur de l’enseignement supérieur et de la transformation numérique. Installée à Paris ainsi qu’à Bordeaux, l’Efrei forme 5 700 étudiants dans son programme Grande École d’ingénieurs et dans ses Programmes Experts du numérique (bachelors, mastères…), et propose également une offre de formation continue.
Rejoindre l’Efrei, c’est bien plus que rejoindre simplement un leader de l’enseignement supérieur de premier plan, c’est vouloir s’engager dans un projet pédagogique et humain centré sur les étudiants, avec l’assurance d’avoir les moyens de ses ambitions tout en vivant dans un cadre professionnel exceptionnel au sein de nos campus.
Leader indépendant reconnu d’intérêt public par l’État (EESPIG), l’Efrei est habilitée par la Commission des titres d’ingénieurs (CTI) et fait partie de la Conférence des Grandes Écoles. Depuis janvier 2022, l’Efrei est établissement composante de Paris Panthéon-Assas Université.
Le CHU Estaing de Clermont-Ferrand, via son département d’hématologie biologique, assure des activités de diagnostic et de prise en charge spécialisée. L’équipe CHELTER (EA 7453) développe des recherches translationnelles en cancérologie hématologique. Le GCCA coordonne les acteurs régionaux de la lutte contre le cancer. L’Observatoire LMC recueille et analyse les données nationales pour améliorer la connaissance et la gestion des leucémies myéloïdes chroniques.
Cette collaboration multidisciplinaire, alliant expertise hospitalière, recherche académique et plateforme d’épidémiologie, vise à accélérer le transfert des découvertes scientifiques vers des applications concrètes pour les patients, tout en renforçant la qualité des soins et l’innovation en onco-hématologie.
Le projet :
Dans le cadre d’un projet de recherche doctoral en intelligence artificielle appliquée à l’oncologie, ce travail vise à améliorer la prédiction de la rémission prolongée après l’arrêt des traitements chez les patients atteints de leucémie myéloïde chronique (LMC).
Le projet s’appuiera sur la base de données multicentrique française de l’Observatoire LMC et des méthodes avancées de machine learning pour identifier des biomarqueurs robustes et développer des outils d’aide à la décision clinique.
La mission principale étant de concevoir et valider des modèles prédictifs intégrant des données cliniques, moléculaires et biologiques pour stratifier les patients susceptibles de maintenir une rémission sans traitement (TFR).
Le Doctorant en informatique aura pour objectifs scientifiques de :
Proposer une stratégie de traitement et d’intégration de données multimodales hétérogènes (cliniques, génomiques, biologiques).
Concevoir une méthode explicable d’apprentissage automatique pour identifier des biomarqueurs prédictifs, qui soit adaptée au TFR.
Évaluer l’interprétabilité des modèles (XAI) et leur robustesse sur des cohortes réelles, en collaboration avec des cliniciens.
Vous serez au cœur de défis scientifiques passionnants :
Fouille de données : Gestion et harmonisation de données multimodales.
Modélisation IA : Conception de modèles prédictifs précis et explicables.
Validation clinique : Interprétation biologique et traduction des résultats en outils applicables en pratique médicale.
Le doctorat en informatique proposé au sein de notre établissement s’inscrit dans une démarche d’excellence scientifique, visant à développer des solutions innovantes pour la médecine de précision, pour améliorer la prise en charge des patients.
Ce travail offre aux doctorants une approche rigoureuse, combinant modélisation avancée et analyse de données biomédicales, avec un fort potentiel d’impact clinique.
Vous êtes titulaire d’un master 2 (ou équivalent) en informatique (data science, IA, ou dans une discipline connexe).
Vous possédez des compétences solides en Machine/Deep Learning (modèles prédictifs, sélection de variables, XAI), analyse de données biomédicales (données cliniques, omiques), programmation (Python, R, frameworks ML) ainsi qu’un bon niveau d’anglais.
Une expérience ou un intérêt pour la recherche translationnelle en santé sera un atout.