DiagMaS : Diagnostic A Grande Echelle Des Maladies Systémiques par IA et Smartphone

Contexte scientifique

La rétine constitue une fenêtre d’observation directe et non invasive sur la microcirculation vasculaire et le système nerveux central. Cette propriété anatomique en fait un site d’investigation privilégié pour la détection précoce des maladies oculaires, mais aussi des maladies systémiques dont les manifestations rétiniennes peuvent précéder les signes cliniques. Dans ce contexte, l’oculomique, l’étude des biomarqueurs ophthalmiques pour inférer des informations sur la santé systémique, a émergé ces dernières années. Des travaux récents ont mis en évidence le potentiel de l’IA pour détecter et suivre la progression des maladies systémiques telles que le diabète, les maladies cardiovasculaires à partir de l’analyse d’images rétiniennes [1]. À ce jour, la majorité des approches reposent sur la rétinophotographie couleur conventionnelle (RGB), limitée à trois bandes spectrales, apportant peu d’informations sur la nature des structures visibles sur l’image [2], [3]. Avec le développement de l’imagerie médicale, l’imagerie multispectrale (MSI) dépasse les limites de l’imagerie RGB conventionnelle : elle permet d’accéder quantitativement à la physiologie rétinienne (oxygénation, perfusion, composition tissulaire) via l’analyse spectrale fine [4]. La MSI permet une caractérisation moléculaire non invasive, sans injection de produit de contraste comme l’angiographie à la fluorescéine, et présente un fort potentiel pour le dépistage précoce et le suivi longitudinal des maladies systémiques. Des systèmes MSI existent sur des plateformes dédiées, mais les solutions smartphone restent rares et aucune ne permet aujourd’hui une MSI rétinienne accessible, standardisée et validée en conditions réelles.

Objectifs et missions de la thèse

L’objectif principal de la thèse est de lever ce verrou technologique en concevant une solution d’imagerie rétinienne multispectrale mobile, couplée à une analyse par apprentissage profond. L’ambition est double : fournir une solution MSI portable en médecine ambulatoire, et identifier des biomarqueurs non invasifs pour le dépistage et le suivi longitudinal des maladies systémiques. Ce travail impliquera d’une part le développement d’un module d’acquisition multispectrale, compatible smartphone; et d’autre part le développement d’algorithmes d’apprentissage profond pour définir et apprendre des signatures spectrales pertinentes et les relier à des phénotypes cliniques.


Références

[1] J. L. Y. WONG et al., « Oculomics and AI : The Eye as a biomarker for health span, » Asia-Pacific Journal of Ophthalmology, p. 100 282, 2026.
[2] Z. SALAJKOVÁ et al., « Non-invasive screening of alzheimer’s disease via label-free tri-spectral retinal imaging, » Scientific Reports, 2026.
[3] I. B. STYLES, A. CALCAGNI, E. CLARIDGE, F. ORIHUELA-ESPINA et J. GIBSON, « Quantitative analysis of multi-spectral fundus images, » Medical image analysis, t. 10, no 4, p. 578-597, 2006.
[4] A. SAEED, X. HADOUX et P. van WIJNGAARDEN, « Hyperspectral retinal imaging biomarkers of ocular and systemic diseases, » Eye, t. 39, no 4, p. 667-672, 2025.
 

La thèse sera menée au sein de l’équipe Vision du LaTIM (INSERM UMR 1101). Le ou la candidate bénéficiera d’un environnement pluridisciplinaire réunissant ingénieurs, médecins ophtalmologistes et chercheurs, ainsi que d’un accès aux infrastructures GPU de l’établissement pour l’entraînement des modèles.
IMT Atlantique est l’une des grandes écoles françaises et un centre de recherche international dans les domaines de l’ingénierie et des technologies numériques. Le campus de Brest est situé au bord de l’Océan Atlantique et est considéré comme l’un des plus beaux d’Europe. Il offre une multitude d’activités extrascolaires dans un environnement multiculturel. Le coût de la vie à Brest est nettement inférieur à celui des autres villes d’Europe occidentale.

Master 2 ou diplôme d’ingénieur en ingénierie optique, traitement du signal, ou sciences des données. De solides
connaissances en intelligence artificielle (apprentissage profond) et en traitement d’image sont requises. Un
attrait pour l’instrumentation optique et le domaine médical, ainsi qu’une bonne maitrise de la programmation et
une capacité à collaborer au sein d’une équipe pluridisciplinaire, sont également attendus.