Où docteurs et entreprises se rencontrent
Menu
Connexion

Vous avez déjà un compte ?

Nouvel utilisateur ?

Modélisation spatio-temporelle et outils d’IA pour l’analyse dose-réponse et la prédiction de lésions cérébrales et de troubles cognitifs radio-induits (ref SAN22-12)

ABG-102064 Sujet de Thèse
03/01/2022 Contrat doctoral
Logo de
Institut de Radioprotection et sûreté Nucléaire
Fontenay-aux-Roses - Ile-de-France - France
Modélisation spatio-temporelle et outils d’IA pour l’analyse dose-réponse et la prédiction de lésions cérébrales et de troubles cognitifs radio-induits (ref SAN22-12)
  • Mathématiques
  • Informatique
Imagerie cérébrale, Radiothérapie, Apprentissage automatique

Description du sujet

Titre complet du sujet : Modélisation spatio-temporelle et outils d’IA pour l’analyse dose-réponse et la prédiction de lésions cérébrales et de troubles cognitifs radio-induits chez des patients traités par radiothérapie pour un glioblastome

Description du sujet : La radiothérapie (RT) est l'un des traitements les plus importants pour les tumeurs cérébrales. Cependant, sa toxicité potentielle sur le système nerveux central est une question clinique d’intérêt. Elle fait également partie des questions de recherche prioritaires en radioprotection, concernant l'identification et la prévention des effets secondaires non cancéreux liés à l'utilisation des rayonnements ionisants (RI) à des fins thérapeutiques. Cette thèse s’inscrit dans le projet de recherche ANR RADIO-AIDE (RADIation-induced neurOtoxicity assessed by ST modeling and Artificial Intelligence after brain raDiothErapy). Son objectif est de développer des modèles spatio-temporels (ST) et des outils d’intelligence artificielle (IA) pour : a) estimer les associations potentielles entre la progression ST de lésions cérébrales radio-induites visualisées à l’IRM, la répartition spatiale de la dose de RI absorbée au cerveau et l’occurrence de troubles cognitifs chez des patients traités par RT pour un glioblastome; b) prédire l’occurrence individuelle de ces troubles cognitifs à un stade précoce après la RT, avec une quantification des incertitudes de prédiction associées. Les travaux menés s’appuieront sur les données de la cohorte EpiBrainRad incluant actuellement 224 patients traités par chimio-radiothérapie pour un glioblastome à l'Hôpital de la Pitié-Salpêtrière (Paris) ou à l’ICANS (Strasbourg). Pour chaque patient, les données comprennent : a) des caractéristiques cliniques (âge, sexe, …) ; b) des IRMs cérébrales multimodales c) des images de tomodensitométrie utilisées dans la planification du traitement par RT cérébrale ; d) les résultats d'une batterie étendue de tests cognitifs réalisés avant RT et à 12, 24 et 36 mois après RT. Bien que différents types de lésions cérébrales soient considérées dans le projet RADIO-AIDE (i.e., atrophie cérébrale, leuco-encéphalopathie, radionécrose, lésions vasculaires, oedèmes), la thèse portera prioritairement sur les lésions caractérisées par des hyper-intensités au niveau des IRMs cérébrales. Le premier axe de travail consistera à développer, mettre en oeuvre, valider et mettre en évidence les apports de modèles ST et d'algorithmes d'apprentissage statistique bayésiens (potentiellement enrichis de techniques récentes issues des réseaux de neurones ou de l’IA) pour l’estimation des relations dose-réponse d’intérêt à partir des données EpiBrainRad et de jeux de données simulées. Le deuxième axe de la thèse aura pour objectif de rendre compte des incertitudes associées à la prédiction de scores cognitifs post-RT cérébrale à partir de la localisation d’hyper-intensités de la substance blanche, de la distribution spatiale de la dose à l'échelle du voxel et de covariables annexes. Plusieurs approches pourront être comparées. L’une d’entre elles pourra consister à mettre en oeuvre les modèles ST précédemment définis dans un cadre prédictif bayésien afin de prédire l’évolution temporelles de scores cognitifs. Une autre approche pourra consister à mettre en œuvre des techniques récentes de quantifications d’incertitude en IA et/ou encore à explorer une approche par Deep Learning bayésien.

Prise de fonction :

05/10/2020

Nature du financement

Contrat doctoral

Précisions sur le financement

Présentation établissement et labo d'accueil

Institut de Radioprotection et sûreté Nucléaire

L’IRSN, Etablissement public à caractère industriel et commercial (EPIC) – dont les missions sont définies par la Loi n° 2015-992 du 17 août 2015 relative à la Transition énergétique pour la croissance verte (TECV) – est l’expert public national des risques nucléaires et radiologiques. L’IRSN concourt aux  politiques  publiques  en  matière  de  sûreté  nucléaire  et  de  protection  de  la  santé  et  de  l’environnement  au  regard  des  rayonnements  ionisants. Organisme de recherche et d’expertise, il agit en concertation avec tous les acteurs concernés par ces politiques, tout en veillant à son indépendance de jugement. L’IRSN est placé sous la tutelle conjointe des ministres chargés de l’Environnement, de la Recherche, de l’Energie, de la Santé et de la Défense.

Le Laboratoire d'épidémiologie des rayonnements ionisants (LEPID) a pour objectif d'améliorer, par le suivi épidémiologique de cohortes et d’analyses statistiques, les connaissances sur les effets sanitaires des rayonnements ionisants chez l’homme, notamment dans le cadre d’expositions chroniques à faibles doses, qu’elles soient d’origine professionnelle, médicale ou environnementale. Ces recherches contribuent à la mission d’expertise de l’IRSN en matière de radioprotection de l’homme.
Pour en savoir plus, voir le site Internet de l'IRSN, rubrique La recherches/Les équipes de recherche

Profil du candidat

Compétences et diplôme demandés : Etudiant(e) ayant :

• validé un M2 ou diplôme d’ingénieur équivalent de statistique/machine learning/data science, si possible appliquée aux sciences du vivant
• des bases solides en programmation informatique (Python, R), en modélisation probabiliste et en statistique bayésienne
• un intérêt pour les applications en épidémiologie/santé publique. Une bonne maitrise de l’anglais est également souhaitée.

Age limite : 26 ans sauf dérogation.

Partager via
Postuler
Fermer

Vous avez déjà un compte ?

Nouvel utilisateur ?