STAGE - Ingénieur(e) de Recherche : Méthodes statistiques et de Machine Learning pour le clustering de patients (H/F)

Au sein du département Corporate Strategy & Research, vous intégrerez l'équipe Living Twins for Practitioners, riche de compétences en médecine, biologie, mathématique et informatique, et qui conduit plusieurs projets en oncologie, neurologie et cardiologie.

Dans le cadre de la diversification de nos activités en santé, vous ferez partie de l’équipe « Clinical Decision » et serez responsable de la mise en place de méthodes statistiques ou de Machine Learning permettant :

• d'identifier les patients les plus proches (i.e., patients aux caractéristiques cliniques similaires) d'un individu index (stratification) à l’aide de méthodes de clustering, (ACP, t-SNE, clustering non supervisé…)
• de comparer ces patients similaires avec les autres populations,

pour en déduire une carte de connaissance de la maladie étudiée.

 Vos missions

Le but de ce stage sera de mettre en place et de comparer des méthodes de statistiques et de Machine Learning permettant de stratifier des patients atteints d’une maladie dont l’occurrence reste limitée et dont les mécanismes sous-jacents de la maladie restent à approfondir. Les patients seront stratifiés selon leurs caractéristiques cliniques et biologiques en utilisant des méthodes de clustering.

Un exemple d’application pourrait être le syndrome de Dravet qui est une épilepsie grave de l’enfant, d’origine génétique, qui débute avant l’âge d’un an par des crises convulsives. Le syndrome de Dravet se manifeste principalement par des crises d’épilepsie et un retard de développement et/ou des troubles de l’apprentissage qui se développent dans la toute petite enfance et qui s’intensifient avec le temps, et évoluent vers un déficit intellectuel.

Cette maladie rare et peu connu est de ce fait difficile à diagnostiquer.

L'enjeu de la création d'une carte de connaissances d'une maladie rare étant très ambitieux, il s'agira de tester les méthodologies implémentées sur des maladies plus fréquentes puis tester leur généralisation à des maladies plus rares. Votre contribution consistera à :

• Effectuer un état de l'art des méthodes de clustering existantes pour la stratification de données cliniques
• Prendre en main des bases de données de patients, les nettoyer et faire des études descriptives des données
• Implémenter une ou plusieurs méthodes statistiques ou de Machine Learning pour répondre au problème posé en langage Python ou R
• Appliquer et comparer les méthodes sur ces données
• Interpréter les résultats et les présenter sous forme résumée.