Menu principal

Système d’Intelligence Artificielle pour la surveillance, la prédiction et l’aide à la décision dans le suivi du bien-être Fœtal au cours du Travail (SIA-BEFoeT)

Le projet SIA-BEFoeT vise à développer des méthodes et des outils d'Intelligence Artificielle (IA) pour améliorer la détection des anomalies du rythme cardiaque fœtal pendant le travail afin de prédire et d'anticiper la survenue d'un événement grave chez le fœtus pouvant conduire au décès ou au transfert en réanimation néonatale pour encéphalopathie anoxo-ischémique. L’intérêt d’un tel raisonnement est de pouvoir guider au mieux la décision obstétricale concernant le type d’accouchement et éviter la réalisation de césarienne inutile.

L’objectif de ce projet est d’augmenter le taux de prédiction par les obstétriciens et sages-femmes, d’événement pathologiques chez le fœtus au cours du travail associé à une issue maternelle et néonatale défavorable. Ce projet fait appel à plusieurs disciplines scientifiques et médicales : Informatique (IA, Big Data, système distribué...), Santé (Gynécologie-obstétrique, néonatalogie), traitement des signaux et systèmes ainsi que les domaines liés à l'économie individuelle et collective appliquées au secteur de la santé. Cette collaboration permettra l’exploitation des données issues de la surveillance fœtale (avant-pendant l’accouchement) afin de permette le développement d’un système de prédiction d’anomalies et de suggérer des conduites à tenir en temps réel.

L'objectif de la thèse est de développer un prototype de dispositif médical (DM) à base d’algorithmes d’IA pour l’analyse du rythme cardiaque du fœtus (RCF) pendant le travail.

Ce DM devra dans un second projet être évalué dans un protocole de recherche clinique. Sous la forme d’une plateforme numérique, ce DM surveillera la procédure d'accouchement, analysant le RCF en temps réel tout au long du travail pour fournir aux obstétriciens et sages-femmes des alertes ou des aides à la décision avant que des complications fœtales ne surviennent.


Mots-clés
Aide à la décision; Analyse de données; artificial intelligence; big data; DATA SCIENTIST; deep learning; Health Data; machine learning; Modélisation
Établissement
Laboratoire de Nanomédecine, Imagerie, Thérapeutique (LNIT) -EA4662
25000 Besançon  
Directeur
Oussama BARAKAT
Co-encadrants
Nicolas MOTTET
Date de début souhaitée
03/10/2022
Langues obligatoires
Anglais; Français
Prérequis

La réalisation du projet nécessite de bonnes connaissances dans les domaines de l'intelligence artificielle, de celle du deep learning et du machine learning, des mathématiques appliquées. et de l'informatique. Nous recherchons un candidat au doctorat titulaire d'un master ou d'un diplôme d'ingénieur et familier avec plusieurs des sujets suivants :
• Prétraiter et analyser des données structurées pour répondre à un problème métier.
• Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive.
• Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données.
• Prétraiter et analyser des données non structurées (texte, images …) pour obtenir un jeu de données exploitable.
• Déployer un modèle d’apprentissage automatique à l’échelle en utilisant les technologies du Big data.
• Maîtriser les techniques d’analyse des données et de machine learning (classification et régression, clustering, surapprentissage, régularisation, deep learning etc…)
• Maîtrise un langage statistique/database tel que Python, R ou SQL.

Date limite
01/07/2022
Informations de contact

Madame Kenza REGRAGUI - kenza.regragui@univ-fcomte.fr