24 Mois Post Doc: Projet COLT-X Analyse de l’activit ́e de greffe pulmonaire en France : vers une pr ́ediction du rejet chronique

When:
30/11/2024 all-day
2024-11-30T01:00:00+01:00
2024-11-30T01:00:00+01:00

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIS, Aix Marseille Université
Durée : 24 Mois
Contact : raquel.urena@univ-amu.fr
Date limite de publication : 2024-11-30

Contexte :
La transplantation pulmonaire est le traitement ultime de l’insuffisance respiratoire terminale. Il s’agit d’un traitement lourd, coûteux, et présentant des risques pré-, per- et post- opératoires. En particulier, 30% des transplantés pulmonaires présentent à 3 ans une dysfonction chronique du greffon (Chronic lung allograft dysfunction , CLAD) qui, une fois diagnostiquée, laisse une espérance de vie de 2 à 3 ans environ. Or, un récent rapport sur l’état des lieux de la transplantation pulmonaire en France a été réalisé par l’Académie de Médecine cite{academie_nationale_de_medecine}. Un des points soulignés par ce rapport est l’inadéquation, en France, entre les besoins et les capacités en transplantation pulmonaire, entre autres du fait du faible nombre de greffons disponibles. Une des voies d’amélioration pourrait être de mieux cibler les receveurs en fonction de la probabilité de survenue d’un phénomène de rejet. La question médicale est donc “est-il possible d’estimer la probabilité de survenue d’un rejet de greffe pulmonaire chez un patient donné, le receveur d’organe potentiel, afin d’optimiser l’attribution des greffons ?”.

Sujet :
Le but de ce projet est de développer un outil d’estimation de la probabilité de survenue d’un rejet chronique (CLAD). Cela nécessite une modélisation mésoscopique et temporelle.

Des analyses préliminaires (statistiques univariées, multivariées, et approches bayésiennes) ont été conduites afin d’identifier des liens causaux entre les variables. Il s’agira de s’appuyer sur ces résultats afin de construire un modèle de prédiction d’apparition de CLAD.

La première étape sera de modéliser “l’effet centre”, c’est-à-dire les biais liés au bassin de population pris en charge par chacun des centres de greffes (typologie des patients dont les pathologies ayant conduit à la greffe) et aux spécificités de prise en charge des centres de greffe (expertise des centres, modalités de prise en charge).

Dans un second temps, il s’agira de proposer un modèle d’estimation de probabilité de rejet individuel basé sur cet effet centre et, entre autres, sur les séries temporelles associées au suivi clinique de chaque patient. En particulier, il faudra prendre en compte et corriger l’impact de l’évolution de la pratique au cours de la constitution de la cohorte.

Profil du candidat :
Nous recherchons une personne ayant obtenu un doctorat en modélisation mathématique et/ou en apprentissage automatique/intelligence artificielle, avec un intérêt marqué pour l’application de ces techniques dans le domaine de la santé. Une expérience dans le domaine médical serait appréciée, mais n’est pas indispensable.

Compétences requises :

– Compétences solides en programmation Python, avec une maîtrise des bibliothèques scikit-learn, PyTorch, Keras et TensorFlow.
– Solide connaissance des méthodes de machine learning et de deep learning.
– Liste solide de publications dans des revues et conférences internationales dans les domaines de la modélisation mathématique et/ou de l’intelligence artificielle.
– Très bon niveau d’anglais (écrit et oral)

Formation et compétences requises :

Adresse d’emploi :
Aix Marseille Université, Marseille, France

Document attaché : 202407110803_Analyse_de_l_activité_de_greffe_pulmonaire_en_France___vers_une_prédiction_du_rejet_chronique.pdf