Stage - Stage Fin d'Études - Ingénieur Innovation en Intelligence Artificielle Appliquée aux Life Sciences H/F

Contexte :

L'intelligence artificielle occupe aujourd'hui une place croissante dans les domaines de la santé et des sciences de la vie. L'augmentation des volumes de données médicales et biologiques, associée aux progrès récents en intelligence artificielle, en traitement d'images, en bioinformatique et en modélisation statistique, ouvre de nouvelles perspectives pour l'aide au diagnostic, la caractérisation des pathologies, la prédiction clinique ou encore l'exploitation de données biomédicales complexes. Ces données présentent toutefois des caractéristiques particulières : volumes parfois limités, forte hétérogénéité entre patients et centres, déséquilibre des classes, données multimodales, annotations coûteuses ou incomplètes, ainsi que des exigences importantes en matière de robustesse, d'interprétabilité et de confidentialité.

Dans ce contexte, Astek mène des travaux de recherche appliquée en intelligence artificielle et sciences des données pour les Life Sciences, avec pour objectif de développer et d'évaluer de nouvelles méthodes permettant d'exploiter des données médicales, biologiques et cliniques.

Les travaux peuvent notamment concerner l'imagerie médicale, la bioinformatique, les biostatistiques, les données cliniques structurées ou textuelles, ainsi que leur combinaison dans des approches multimodales.

Intégré(e) à une équipe projet composée d'ingénieurs Astek et encadré(e) par un chercheur-docteur, vous pourrez intervenir, selon votre profil, sur des travaux portant notamment sur :

• Le développement de méthodes d'intelligence artificielle et de machine learning appliquées aux données médicales et biologiques.
• L'analyse d'images médicales par computer vision et deep learning : classification, détection, segmentation ou prédiction.
• L'exploitation de données multimodales associant imagerie, données cliniques, biologiques ou génomiques.
• Le développement et l'évaluation de modèles de deep learning pour l'imagerie médicale.
• La bioinformatique et l'analyse de données omiques ou moléculaires.
• La modélisation statistique et biostatistique de données cliniques ou biomédicales.
• Le développement de modèles prédictifs pour le diagnostic, le pronostic, la survie ou la réponse thérapeutique.
• L'utilisation de techniques de traitement automatique du langage naturel pour l'analyse de données médicales textuelles.
• La rédaction de livrables techniques et la participation à la veille scientifique.

Notre apport

Une expertise pointue dans l'ensemble de ces domaines n'est pas exigée à l'entrée : les compétences attendues dépendront du sujet et l'apprentissage fait partie intégrante du stage.