Projet
Ce stage s’inscrit dans le cadre du projet MORPHEE, en cours de réalisation grâce à une collaboration entre GRICAD (Grenoble Alpes Recherche – Infrastructure de Calcul Intensif et de Données) et le LS2N (Laboratoire des Sciences du Numérique de Nantes). Cette collaboration a été initiée en avril 2022, puis développée, dans le contexte du PNRIA (Plan National de la Recherche en Intelligence Artificielle). Cette collaboration a pour objectifs de proposer et développer une ou des solutions numériques pour la simulation de l’évolution des signaux physiologiques d’un patient sous anesthésie, sous l’effet des actes de l’équipe médicale.
Méthode
Grâce à l’expertise en anesthésie du partenaire CHU de Nantes / LE SiMU 1 du LS2N à Nantes, le LS2N a développé un générateur de données réalistes (BDLBS). Ce générateur permet de fournir des traces d’événements médicaux inhérents à une procédure d’anesthésie générale, et des mesures de signaux physiologiques cohérentes avec ces traces, pour une cohorte de patients. Cette cohorte peut être élargie à tout moment grâce au générateur. C’est ainsi qu’il a été possible d’obtenir un ensemble de données mixtes, décrivant 1000 patients, composées de variables continues (i.e., les signaux physiologiques) et discrètes (données catégorielles correspondant aux événements médicaux).
Pour résoudre notre problème de double prédiction (série temporelle, prochain événement), nous avons considéré le cadre de travail offert par les réseaux de neurones artificiels. Nous avons développé un premier modèle permettant de prédire à tout instant les prochains signaux physiologiques ainsi que le prochain événement médical. Contrairement à ce qui est usuel, nous avons conçu un modèle de langage qui opère selon les principes du TALN (Traitement Automatique du Langage Naturel). Les premiers résultats dépassent considérablement les performances obtenues aux moyens des méthodes de l’état-de-l’art ; ils sont en phase de valorisation pour des publications à venir.
Objectifs du stage
- Développer une version 2 du modèle déjà en place. Il s'agira d’un modèle basé sur le Transformer.
- Éditer les résultats (figures et statistiques) pour une soumission d’article scientifique dans un journal à thématique IA (Intelligence Artificielle).
Profil recherché
- M2 en mathématiques appliquées, ingénierie, ou informatique (si possible à spécialité en Intelligence Artificielle).
- Goût pour la recherche et le développement. Une sensibilité à la recherche sur la santé et le numérique sera particulièrement appréciée dans ce stage. Possibilité de poursuivre en thèse sous condition de financement.
- Capacité à programmer en Python absolument nécessaire, capacité à utiliser des librairies de Machine Learning fortement souhaitée (Pytorch, Tensorflow).
- Rigueur dans la programmation et capacité à documenter du code.
- Aptitude au travail en équipe et capacité à rendre compte de l’avancée de ses travaux.
- Capacité de rédaction en anglais souhaitée : notamment, si elle est motivée, la personne en stage contribuera à la préparation d’un article scientifique à soumettre dans un journal de rang A à thématique IA.
Gratification
- Rémunération conforme au seuil légal, environ 600 euros/mois.
Conditions de stage
- Stage de 6 mois, de début Février 2024 à fin Juillet 2024.
- Locaux de GRICAD, Bâtiment IMAG, 150 place du Torrent, Domaine Universitaire, 38400 Saint Martin d'Hères, France.
Encadrement
- A distance : Mme Christine SINOQUET (50%), PhD, Maître de Conférences HdR au LS2N, Nantes, christine.sinoquet@univ-nantes.fr
- En présentiel : M. Fadoua TAIA-ALAOUI (50%), PhD, Ingénieur de Recherche CNRS à GRICAD, Grenoble, fadoua.taia-alaoui@univ-grenoble-alpes.fr
