Ingénieur.e de recherche - Anonymisation des données de santé avec préservation des propriétés statistiques

Le Système National des Données de Santé (SNDS) est l’une des plus vastes bases de données de santé au monde. Il rassemble les informations de remboursement de l’Assurance Maladie, les données hospitalières et les causes médicales de décès, couvrant ainsi plus de 67 millions de personnes en France. Ce potentiel unique en fait une ressource majeure pour la recherche et l’innovation en santé.

Pourtant, il reste encore largement sous-exploité, en grande partie à cause des contraintes réglementaires qui encadrent son accès, mais aussi de sa complexité structurelle. Notamment, les données du SNDS sont seulement pseudonymisées, et leur distribution est éparse et irrégulière. Pour progresser, il est nécessaire de disposer de données anonymisées, mais statistiquement fidèles à la réalité, afin de permettre le développement d’outils d'analyse et de modélisation utiles à la recherche et à la prise en charge des patients.

Suite à un appel à projet BOAS (Bibliothèque Ouverte d’Algorithmes en Santé) financé par le Health Data Hub, le projet PROPOLOS vise le développement d’un jeu de données flouté du SNDS, anonyme, conservant les propriétés statistiques essentielles pour la recherche et permettant de développer des méthodes pour analyser le parcours de soin des patients. Ce jeu de données rassemblera également un très grand nombre de maladies rares aux caractéristiques variées, offrant ainsi un support adapté au développement de méthodes généralisables à un large éventail de pathologies.

Avec l'encadrement du Pr. Anne-Sophie Jannot (PU-PH, équipe HeKA) et le support de Ghislain Vaillant (ingénieur Inria, équipe HeKA), la personne recrutée sera amenée à implémenter, évaluer et documenter la chaîne de traitement nécessaire à la génération du jeu de données flouté décrit en contexte.

Pour cela, la réalisation du projet sera décomposée en une série d'étapes :

1. Sélection des variables pertinentes pour l'étude du parcours de soin
2. Généralisation et perturbation aléatoire des variables sélectionnées
3. Construction d'un modèle génératif de séquences synthétiques de soin
4. Construction du jeu de données flouté des cas et des témoins
5. Évaluation des performances de l'anonymisation

Pour chaque étape, l'ingénieur.e aura la liberté d'expérimenter avec les technologies disponibles, de proposer des choix pertinents de méthodologie et de se renseigner sur l'état de l'art. En complément de l'expertise de l'équipe HeKA, iel pourra compter sur celle des partenaires du projet PROPOLOS : l'équipe Inserm Biomédecine des Systèmes d'Aix-Marseille Université et l'équipe MosAIk du LORIA.

Principales activés :

• Préparer, explorer et analyser les données de santé disponibles
• Mener les expérimentations nécessaires pour valider les étapes
• Développer les modèles d'apprentissage automatique
• Concevoir et mettre en place l'infrastructure technique
• Conduire la veille technologique et documentaire

Activités complémentaires :

• Rédiger la documentation nécessaire à la reproduction de l'expérimentation
• Organiser un hackathon exploitant le jeu de données flouté

Compétences techniques réquises :

• Une première expérience dans la manipulation de données de santé
• Une première expérience dans le développement de modèles d'IA
• Connaissances approfondies en statistiques et apprentissage automatique
• Développement dans un langage de programmation scientifique (Python, R, etc.)
• Capacités d'expérimentation et de prototypage de code pour des besoins scientifiques

Langues : Français (courant), Anglais (niveau B2).

Compétences relationnelles :

• Transparence et autonomie dans l'organisation du travail
• Capacités d'écoute, d'analyse et de synthèse d'information
• Capacités de rédaction et de communication en Français et en Anglais

Compétences additionnelles appréciées :

• Analyse des besoins scientifiques
• Conduite de veille documentaire et technologique
• Versionnement de code, données et / ou modèles

• Restauration subventionnée
• Transports publics remboursés partiellement
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
• Accès à la formation professionnelle
• Sécurité sociale