Prédiction et triage de patients en contexte d'urgence chirurgicale // Prediction and triage of patients within emergency surgical context
ABG-133279
ADUM-67300 |
Sujet de Thèse | |
02/09/2025 | Autre financement public |
Université de Picardie - Jules Verne
Amiens - Les Hauts de France - France
Prédiction et triage de patients en contexte d'urgence chirurgicale // Prediction and triage of patients within emergency surgical context
- Informatique
Apprentissage automatique, Données de santé, Modélisation, Optimisation
Machine Learning, Health Data, Modeling, Optimization
Machine Learning, Health Data, Modeling, Optimization
Description du sujet
Le sujet 'Prédiction et triage de patients en contexte d'urgence chirurgicale' s'inscrit dans le contexte général du RHU RAUC porté par le CHU Amiens Picardie. Il vise à satisfaire le maillon « numérique » de la chaine de valeurs des méthodes, outils et pratiques permettant la Réhabilitation Augmentée des Urgences Chirurgicales digestives.
Les objectifs de ce WP sont axés autour de l'exploration et de la proposition de solutions et méthodes originales d'aide à l'organisation parcours de soins dans le cadre précis des Urgences Chirurgicales. Pour ce faire, il est divisé en 4 tâches couvrant respectivement les aspects liés à : La gestion de la donnée ; L'apprentissage de modèles d'aide à la décision au service de la réhabilitation du patient et de l'organisation des soins ; La fédération de l'apprentissage des modèles dans une volonté d'essaimage ; L'ingénierie logicielle et l'intégration au sein des SI des établissements de santé.
Le sujet se concentrera sur les problématiques suivantes :
+ Recueil et structuration des données ;
+ Imputation des données manquantes ;
+ Proposition de solutions originales répondant à la frugalité des modèles d'apprentissage ; Recherche de Coresets et distillation de données
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
The topic 'Patient Prediction and Triage in Emergency Surgical Settings' falls within the overall context of the RHU RAUC (Rehabilitation and Care Unit) project led by the Amiens Picardie University Hospital. It aims to address the 'digital' link in the value chain of methods, tools, and practices enabling Augmented Rehabilitation in Digestive Surgical Emergencies.
The objectives of this WP are focused on exploring and proposing original solutions and methods to support the organization of care pathways in the specific context of Surgical Emergencies. To this end, it is divided into four tasks, respectively covering aspects related to: Data management; Learning decision-making models for patient rehabilitation and care organization; Consolidating model learning with a view to scaling up; and Software engineering and integration within healthcare facility information systems.
The topic will focus on the following issues:
+ Data collection and structuring;
+ Missing data imputation;
+ Proposing original solutions to address the frugality of learning models; Coreset research and data distillation
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/2025
Les objectifs de ce WP sont axés autour de l'exploration et de la proposition de solutions et méthodes originales d'aide à l'organisation parcours de soins dans le cadre précis des Urgences Chirurgicales. Pour ce faire, il est divisé en 4 tâches couvrant respectivement les aspects liés à : La gestion de la donnée ; L'apprentissage de modèles d'aide à la décision au service de la réhabilitation du patient et de l'organisation des soins ; La fédération de l'apprentissage des modèles dans une volonté d'essaimage ; L'ingénierie logicielle et l'intégration au sein des SI des établissements de santé.
Le sujet se concentrera sur les problématiques suivantes :
+ Recueil et structuration des données ;
+ Imputation des données manquantes ;
+ Proposition de solutions originales répondant à la frugalité des modèles d'apprentissage ; Recherche de Coresets et distillation de données
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
The topic 'Patient Prediction and Triage in Emergency Surgical Settings' falls within the overall context of the RHU RAUC (Rehabilitation and Care Unit) project led by the Amiens Picardie University Hospital. It aims to address the 'digital' link in the value chain of methods, tools, and practices enabling Augmented Rehabilitation in Digestive Surgical Emergencies.
The objectives of this WP are focused on exploring and proposing original solutions and methods to support the organization of care pathways in the specific context of Surgical Emergencies. To this end, it is divided into four tasks, respectively covering aspects related to: Data management; Learning decision-making models for patient rehabilitation and care organization; Consolidating model learning with a view to scaling up; and Software engineering and integration within healthcare facility information systems.
The topic will focus on the following issues:
+ Data collection and structuring;
+ Missing data imputation;
+ Proposing original solutions to address the frugality of learning models; Coreset research and data distillation
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/2025
Nature du financement
Autre financement public
Précisions sur le financement
ANR Financement d'Agences de financement de la recherche
Présentation établissement et labo d'accueil
Université de Picardie - Jules Verne
Etablissement délivrant le doctorat
Université de Picardie - Jules Verne
Ecole doctorale
585 Sciences, Technologie, Santé
Profil du candidat
Msc in Computer Science ; Msc in Artificial Intelligence.
Msc in Computer Science ; Msc in Artificial Intelligence.
Msc in Computer Science ; Msc in Artificial Intelligence.
31/08/2026
Postuler
Fermer
Vous avez déjà un compte ?
Nouvel utilisateur ?
Besoin d'informations sur l'ABG ?
Vous souhaitez recevoir nos infolettres ?
Découvrez nos adhérents
ONERA - The French Aerospace Lab
MabDesign
MabDesign
Institut Sup'biotech de Paris
ADEME
Ifremer
ANRT
TotalEnergies
Généthon
Groupe AFNOR - Association française de normalisation
Tecknowmetrix
Aérocentre, Pôle d'excellence régional
CESI
Laboratoire National de Métrologie et d'Essais - LNE
CASDEN
Nokia Bell Labs France
ASNR - Autorité de sûreté nucléaire et de radioprotection - Siège
SUEZ
PhDOOC