Ingénieur.e de recherche en développement informatique — Nantes Université

Le projet SIMPHONIA produira un simulateur de patient virtuel réaliste et réactif aux actions d’un utilisateur et d’une équipe médicale virtuelle. Ce simulateur intègrera trois briques logicielles :

1- Un pipeline de production de modèle de processus à partir des données d’une cohorte de patients.

2- Un éditeur pédagogique permettra à un formateur de contextualiser à des fins pédagogiques un modèle de processus donné afin d’en faire un support de scénarios de simulation spécifique (par exemple en intégrant un événement critique, ou bien en intégrant des aides à l’utilisateur du simulateur en cas de difficulté de l’utilisateur).

3- Un modèle de deep learning (possible variante reposant sur une méthode de data mining) gèrera la prédiction en temps réel de l’évolution d’un patient numérique réactif à des actions médicales.

La prédiction de la prochaine action médicale à réaliser par un agent autre que l'utilisateur du simulateur pourra être réalisée grâce au modèle de processus propre à la chirurgie concernée.

Les briques logicielles seront réutilisées pour implémenter le concept de jumeau numérique de patient sous anesthésie (modèle de processus, modèle de deep learning).

Activités principales

1 – Prototype de pipeline de production d’une bibliothèque de modèles de processus

• Curation médicale des données issues du soin, avec l’aide des experts en anesthésie
• Développement du pipeline prototype de construction de modèles de processus, tests et validation
• Validation du passage à l’échelle de l’algorithme de construction de modèle de processus sur des cohortes de patients de tailles incrémentales

2 – Prototype d’éditeur pédagogique

§ Spécification et formalisation des contextualisations des modèles de processus nécessaires pour la pédagogie de la simulation

§ Développement de l’éditeur pédagogique, tests et validation.

3 – Prototype de simulateur de patient numérique mono-utilisateur

• Développement du prototype de simulateur destiné à la formation assistée par le numérique (intégration modèle de processus + modèle de deep learning + éditeur pédagogique), tests et validation. (Eventuellement variante avec méthode de data mining)
• Validation du caractère généraliste de l’approche de simulation pilotée par les données grâce à un modèle de processus et à un modèle de deep learning sur diverses interventions chirurgicales et typologies de patients,
• Développement du concept de jumeau numérique de patient sous anesthésie, tests et validation

Les travaux réalisés lors du projet SIMPHONIA donneront lieu à la rédaction de quatre articles en vue de la publication des résultats (applications informatiques en Deep Learning :

• versions journal et conférence
• applications en médecine : deux articles)

La rédaction ne sera pas du ressort de l’ingénieur.e à recruter ; la personne recrutée ayant participé aux travaux de recherche et

Particularités du poste :

• La personne recrutée travaillera sur le site de la Faculté des Sciences et Techniques de Nantes Université (2 rue de la Houssinière, Nantes). Elle sera amenée à se déplacer par épisodes de plusieurs jours consécutifs pour travailler dans les locaux du CHU de Nantes, sur des données pseudo-anonymisées de patients, et en utilisant exclusivement un accès en local à un serveur hébergé au CHU
• L'interface du simulateur étant à destination de publics francophones exclusivement, la personne recrutée doit parfaitement maîtriser l'écrit et l'oral en français

Environnement de travail :

• Accessibilité PMR

• Présence d’escaliers

• Multi sites

• Bureau partagé à la Faculté des Sciences (bureau partagé avec au plus un non permanent de la même équipe de recherche)

• Bureau recherche au CHU de Nantes (généralement, pas d'autre personne dans le bureau, une personne au plus dans le bureau)

• Travail en équipe

• Open Space de la Clinique des Données (8 personnes, accessibilité pouvant être limitée, pour une utilisation peu fréquente)

•

Rythme de travail :

• Horaires fixes compris entre 9h-19h, à préciser avec l'encadrement.

• Pic d’activité possibles, sur 3/4 semaines au maximum, pour produire les résultats pour un article à soumettre

• Contraintes calendaires (congés légaux posés en fonction du calendrie