Radiology Senior Data Scientist

PAIRE

La médecine nucléaire révolutionne l'imagerie médicale en permettant d'observer les phénomènes biologiques au cœur du vivant, de manière non invasive. En à peine 20 ans, le TEP-Scanner (PET-CT) s'est imposé comme un outil incontournable pour le diagnostic, le suivi et l'évaluation des cancers. En France, le nombre d'examens a triplé en dix ans. Cette croissance fulgurante s'accompagne d'un défi majeur : une pénurie de médecins face à un volume d'examens toujours plus important, dans une discipline hautement quantitative au cœur de la médecine personnalisée de précision. Fondée en 2021, PAIRE est née pour répondre à cet enjeu. Sa solution Pionus, un logiciel dispositif médical (SaMD), automatise la détection, la segmentation et la quantification des tumeurs solides en TEP-Scanner. Elle permet aux médecins nucléaires de gagner un temps précieux, d'améliorer la reproductibilité et la précision des mesures, de réduire les erreurs et d'accéder à de nouveaux indicateurs cliniques clés. Commercialisée depuis fin 2024, la solution PAIRE est déjà utilisée dans de multiple centres à travers l'Europe. Dans un contexte de forte traction marché, PAIRE accélère aujourd'hui son Go-to-Market en France et à l'international et recrute un(e) Responsable Marketing Produit. L'objectif : maximiser l'adoption clinique de ses solutions, renforcer leur valeur perçue auprès des médecins et établissements de santé, et outiller efficacement les équipes commerciales pour soutenir une croissance ambitieuse.

Description Du Poste

Notre situation relative au poste : Nous recherchons une personne qui prendra la tête sur l'ensemble des activités de Machine Learning de l'entreprise, en commençant par entraîner de nouveaux modèles qui amélioreront les performances de notre logiciel et impacteront directement la prise en charge de milliers de patients.

Base de données

Nous pensons que la performance maximale d'un modèle est limitée par la qualité de la base de données. C'est pourquoi nous avons passé beaucoup de temps (et nous continuons de le faire) à organiser, standardiser et vérifier de grandes quantités d'examens manuellement annotés par des médecins experts. De plus, nous continuons d'enrichir la base de plusieurs centaines d'examens par mois, tout en maintenant une qualité élevée. Cette partie concernant la maintenance d'une base de données standardisée et riche est donc déjà accomplie, ce qui simplifiera grandement votre travail et vous permettra de vous concentrer sur les parties plus intéressantes, à savoir l'entraînement. Malgré ces efforts conséquents, nos performances n'ont pas encore atteint un plateau, c'est pourquoi nous savons qu'il y a encore beaucoup d'opportunités pour des modèles plus performants.

Deep Learning

La problématique de détection est déjà très bien traitée en 2D (avec des architectures types comme Yolo), mais ces mêmes techniques ne fonctionnent pas en 3D, notamment en raison de contraintes mémoires. Il conviendra donc dans un premier temps de faire preuve de pragmatisme et d'améliorer notre pipeline existant (pytorch), de faire preuve de créativité en implémentant de nouvelles architectures qui tirent parti des connaissances médicales sur ce type de données, et bien évidemment, d'effectuer une veille scientifique et d'implémenter des articles de recherche sur les nouvelles techniques de Deep Learning appliquées à l'imagerie médicale et à la détection d'objets. Vous aurez des échanges scientifiques enrichissants avec des médecins nucléaires sur le choix de métriques pertinentes et sur la compréhension des spécificités des images, afin d'en tirer profit côté technique (dans l'augmentation de données, l'architecture, etc.).

Missions

• Concevoir et déployer des modèles plus performants afin d'apporter une valeur clinique concrète aux médecins nucléaires. Cela passera notamment par :
  • La gestion du pipeline d'ajout de données et le maintien dans le temps de la qualité de notre base de données ;
  • L'amélioration des pipelines de Deep Learning pour la détection 3D de lésions, dans un environnement PyTorch et AWS ;
  • L'imagination, l'entraînement et l'implémentation de nouvelles architectures capables d'améliorer significativement les performances de notre logiciel ;
  • L'évaluation et la validation des modèles développés à l'aide de métriques pertinentes, alignées avec les besoins cliniques et l'usage terrain
• Assurer une veille scientifique et technique pour rester à la pointe des dernières avancées dans le domaine
• Collaborer avec les médecins nucléaires pour comprendre les enjeux cliniques et les traduire en réalité
• Contribuer à la rédaction de documents techni