Surveillance multimodale et prédiction précoce de la défaillance hémodynamique chez les patients septiques à partir de signaux physiologiques haute fréquence : représentations latentes, incertitude et explicabilité // Multimodal Monitoring and Early Predi

Le sepsis et le choc septique restent associés à une mortalité élevée en unités de soins intensifs, avec une évolution clinique rapide et souvent non linéaire. La prise en charge hémodynamique (remplissage vasculaire, vasopresseurs, ajustements ventilatoires) nécessite d'anticiper les phases de décompensation ; cependant, les outils actuels reposent fréquemment sur des seuils fixes et des scores à faible résolution temporelle, entraînant une fatigue liée aux alarmes et, parfois, une détection tardive.

Parallèlement, les unités de soins intensifs génèrent des signaux continus à haute fréquence (ECG, pression artérielle invasive, pléthysmographie, respiration, SpO₂) qui contiennent des informations fines sur la perfusion, le tonus vasculaire et la régulation autonome. Le défi consiste à transformer ces flux complexes en indicateurs prédictifs fiables, calibrés et interprétables pour soutenir la décision clinique, tout en prenant en compte les artéfacts, les données manquantes et l'hétérogénéité inter-patients.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Sepsis and septic shock remain associated with high mortality in intensive care units, with a rapid and often non-linear clinical course. Hemodynamic management (fluid resuscitation, vasopressors, ventilatory adjustments) requires anticipating phases of decompensation, yet current tools frequently rely on threshold-based alarms and low-frequency scores, leading to alarm fatigue and sometimes delayed detection.
At the same time, intensive care generates continuous high-frequency signals (ECG, invasive arterial pressure, plethysmography, respiration, SpO₂) that carry fine-grained information about perfusion, vascular tone, and autonomic regulation. The challenge is to transform these complex streams into reliable, calibrated, and interpretable predictive indicators to support clinical decision-making, while accounting for artifacts, missing data, and inter-patient heterogeneity.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/09/2026
WEB : https://www.fhu-sepsis.uvsq.fr/ihu-prometheus-1

Autre type de financement - Autre type de financement,

Université Paris-Saclay GS Informatique et sciences du numérique

580 Sciences et Technologies de l'Information et de la Communication

Solides bases en traitement du signal, en apprentissage automatique et en apprentissage profond, ainsi qu'en analyse de séries temporelles. Maîtrise de Python (PyTorch) et expérience dans la manipulation de données réelles (bruit, valeurs manquantes). Intérêt marqué pour l'interface clinique et les problématiques de validation.
Strong foundations in signal processing, ML/DL, and time series. Python (PyTorch), handling of real-world data (noise, missing values). Interest in the clinical interface and validation.