Doctorant (F/H) Prédiction Multimodale Pour Les Accidents Vasculaires Cérébraux Cardio-emboliques : étiologie Et Risque

**Type de contrat**: CDD

**Niveau de diplôme exigé**: Bac + 5 ou équivalent

**Fonction**: Doctorant

**A propos du centre ou de la direction fonctionnelle**:
L’Inria est l’Institut national de recherche en sciences du numérique, dont le centre Inria d’Université Côte d’Azur fait partie. Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d’Université Côte d’Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l’innovation. Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d’appui. Il est présent dans les domaines de l’intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l’ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santéLe Centre Inria d’Université Côte d’Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

**Contexte et atouts du poste**:
Les accidents vasculaires cérébraux (AVC) cardio-emboliques sont un type particulièrement grave d'AVC, avec des taux élevés de récidive précoce et à long terme, et une incidence qui augmente avec l'âge. Dans les pays développés, le nombre absolu d'AVC cardio-emboliques a triplé au cours des trois dernières décennies, et les projections prévoient qu'il triplera encore d'ici 2050. Malgré les traitements pharmacologiques disponibles (anticoagulation orale), leur administration préventive reste limitée en raison d'un risque largement sous-estimé. En effet, les diagnostics reposent actuellement presque exclusivement sur la détection de la fibrillation auriculaire (FA), qui manque d'efficacité puisque la FA n'est pas la cause exclusive de l'AVC cardio-embolique et qu'elle présente une diversité considérable en termes de risques associés. Récemment, des biomarqueurs cardiaques, tels que la forme et la morphologie de l'appendice auriculaire gauche (AA) ou la fonction ventriculaire gauche (VG), sont apparus comme des prédicteurs précieux du risque d'AVC. Ces biomarqueurs peuvent, par exemple, être extraits en analysant des tomodensitométries thoraciques (TDM) et des électrocardiogrammes (ECG), pour lesquels des outils avancés basés sur l'apprentissage automatique/profond ont désormais amélioré l'accessibilité.

Dans le cadre du projet France 2030 RHU Talent (_Prédiction et gestion numériques du risque d'accident vasculaire cérébral cardio-embolique_), des données rétrospectives multicentriques exhaustives, notamment issues de tomodensitométries, d'électrocardiogrammes et de biomarqueurs sanguins, ont été collectées. L'objectif clinique de ce projet est de développer un modèle de prédiction du risque d'accident vasculaire cérébral et de son étiologie à partir de ces sources d'information hétérogènes. Pour atteindre cet objectif, le projet se concentrera sur le développement de modèles innovants basés sur l'IA et adaptés à l'analyse conjointe de données multimodales. Nous proposons de tirer parti des avancées récentes en matière d'apprentissage Bayésien multimodal et du domaine émergent de la découverte causale, qui présente les avantages considérables suivants : 1) il permet d'intégrer de manière transparente les connaissances antérieures, 2) il facilite l'identification de variables exploitables pour aller au-delà des prédictions basées sur les corrélations, et 3) il améliore l'interprétabilité et l'explicabilité des modèles.

**Mission confiée**:
**Missions**:

- Sélection de caractéristiques à partir de données d'imagerie multimodales (CT, ECG), à l'aide de méthodes basées sur l'apprentissage automatique.
- Sélection de caractéristiques à partir de données non issues de l'imagerie, telles que des données cliniques et biologiques.
- Développement d'approches novatrices pour l'analyse conjointe de ces données biomédicales hétérogènes, en intégrant la découverte causale.
- Évaluation et validation des modèles obtenus sur une cohorte externe.

**Collaboration**:
L'équipe d'encadrement sera composée de : Irene Balelli (ISFP), Marco Lorenzi (DR) et Maxime Sermesant (DR). La personne recrutée sera en lien avec l'IHU de Bordeaux, en charge de la collecte des données.

**Principales activités**:

- Acquérir des compétences dans le traitement avancé d'images médicales et de caractéristiques extraites de données cliniques.
- Étudier des ensembles de données contenant plusieurs modalités.
- Développer des méthodes d'apprentissage pour l'analyse de données biomédicales hétérogènes.
- Contribuer à l'état de l'art de l'apprentissage causal à partir de données multimodales.
- Acquérir des compétences dans l'utilisation des nouvelles technologies en cardiologie.
- Participer à l'activité clinique au sein d'un consortium international dans le cadre d