PRESENTATION

Le département d'anesthésie-réanimation (DAR) de l'hôpital Lariboisière (AP-HP) travaille historiquement sur la question de l'amélioration de la prise en charge des patients au bloc opératoire ou en réanimation sur les aspects hémodynamiques. Un des axes d'amélioration repose sur l'amélioration du monitorage des patient·es afin de mieux connaître leur état physiopathologie, faciliter et accélérer la prise de décision thérapeutique et mieux anticiper et suivre l'effet de ces actions thérapeutiques.

COMPOSITION DE L’EQUIPE

L'équipe du projet Indicate est constituée des professeurs des universités et praticiens hospitaliers du DAR Lariboisière Alexandre Mebazaa et Benjamin Deniau, Jerome Cartailler, Ph.D, Chargé de Recherche HDR chez Inserm et Fatima Zunara , cheffe de projet au sein de l’équipe.

Mission générale :

L’anticipation précoce des défaillances d’organes chez les patients en état critique constitue aujourd’hui l’un des enjeux majeurs de la recherche en soins intensifs. Dans cette perspective, le département recrute un·e statisticien·ne ou data scientist chargé·e du développement et de la validation de modèles prédictifs destinés à éclairer la décision thérapeutique. Le poste s’inscrit dans le cadre du projet européen INDICATE et relève de la recherche translationnelle, à l’interface entre la médecine, les statistiques et l’intelligence artificielle. Il donne accès à des données physiologiques à haute fréquence, à une collaboration étroite avec les cliniciens du bloc opératoire et de la réanimation, ainsi qu’à des perspectives de publication dans des revues internationales à comité de lecture.

Grâce à cette approche, INDICATE constituera une base solide pour l’entraînement, le déploiement et l’exploitation de modèles d’intelligence artificielle dans les unités de soins intensifs.

Environnement scientifique et perspectives

Le travail est conduit au sein d’un département d’anesthésie-réanimation universitaire, en interaction directe avec les cliniciens utilisateurs des modèles développés.Les données mobilisées comprennent des séries temporelles physiologiques à haute fréquence issues de plusieurs centres européens.

Le poste comporte une participation aux réunions du consortium européen, à la valorisation scientifique des travaux et à la rédaction des publications associées.

Il constitue un cadre de montée en compétence sur l’apprentissage fédéré appliqué aux données de santé, champ méthodologique en fort développement.

Cadre méthodologique

Le ou la candidat(e) participera à la mise en œuvre et à la validation de modèles statistiques avancés et de méthodes d’apprentissage automatique (machine learning), notamment des approches d’apprentissage supervisé, de modélisation de séries temporelles et d’analyse de trajectoires. Les principales activités porteront sur l’ingénierie des variables (feature engineering) à partir de données physiologiques à haute fréquence, la gestion des données manquantes, l’évaluation des performances des modèles (calibration et pouvoir discriminant) ainsi que leur validation externe lorsque des jeux de données indépendants seront disponibles.

- Supplément Familial de traitement pour les parents avec enfant(s) à charge

- Congés : 5 semaines de congés annuels + 20 jours de RTT

AVANTAGES SOCIAUX

- Remboursement partiel des transports en commun 75% navigo ou forfait mobilité

- Possibilité de parking

- Possibilité de place en crèche

- Accès au restaurant du personnel (tarif indexé à l'indice)