Approche intégrée de la simulation Monte Carlo et de l'intelligence artificielle pour la prédiction de la réponse en radiothérapie interne vectorisée // An Integrated Monte Carlo and Artificial Intelligence Framework for Response Prediction in Targeted Ra

This PhD project aims to improve radionuclide therapy, which is currently limited by inaccurate dose measurement using SPECT imaging.
Firstly, the project proposes the use of Monte Carlo simulations to generate realistic SPECT images and enhance quantification methods. Secondly, the project aims to integrate diverse pre-treatment data (e.g. imaging, clinical and biological data) into a structured database, and to develop AI algorithms to build predictive models. The final goal is to identify reliable biomarkers that can predict treatment response more accurately, and to link patient characteristics to dose distribution and therapeutic outcomes.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Ce projet de doctorat vise à améliorer la radiothérapie interne vectorisée, qui est actuellement limitée par le manque de précision de la mesure des doses à l'aide de l'imagerie TEMP.
Tout d'abord, le projet propose d'utiliser des simulations de Monte Carlo pour générer des images TEMP réalistes et améliorer les méthodes de quantification. Ensuite, il vise à intégrer diverses données de pré-traitement (par exemple, des données d'imagerie, cliniques et biologiques) dans une base de données structurée, et à développer des algorithmes d'IA pour construire des modèles prédictifs. L'objectif est d'identifier des biomarqueurs fiables permettant de prédire plus précisément la réponse au traitement, et d'établir un lien entre les caractéristiques des patients, la distribution de la dose et les résultats thérapeutiques.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Financement d'un établissement public Français

Université Bourgogne Europe

37 SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques

Ce poste s'inscrit dans une démarche transdisciplinaire et implique la collaboration entre cliniciens, informaticiens et physiciens médicaux. Les candidats doivent être titulaires d'au moins un diplôme de deuxième classe supérieure ou d'un titre équivalent dans une discipline pertinente, telle que l'informatique, les mathématiques appliquées, le génie biomédical ou la physique médicale. Un master dans une discipline pertinente et une expérience supplémentaire en recherche constitueraient un atout. Les candidats doivent parler couramment l'anglais ou le français. Qualités personnelles : - Curiosité, autonomie, esprit d'initiative et rigueur scientifique ; - Compétences relationnelles et discrétion professionnelle (travail en milieu hospitalier)
This work is intended to be transdisciplinary, involving clinicians, IT specialists, and medical physicists. Applicants must hold at least an upper second-class degree or equivalent qualification in a relevant subject, such as computer science, applied mathematics, biomedical engineering or medical physics. A Master's degree in a relevant discipline and additional research experience would be advantageous. Candidates should be fluent in English or French. Personal characteristics: - Curiosity, independence, initiative and scientific rigour; - Interpersonal skills and professional discretion (work in a hospital environment)