2021-03654 - Doctorant F/H Modélisation de la progression de maladies neurodégénératives et de l'influence de traitements

Type de contrat : CDD

Niveau de diplôme exigé : Bac + 5 ou équivalent

Fonction : Doctorant

Niveau d'expérience souhaité : Jeune diplômé

Contexte et atouts du poste

Dans le cadre de l'institut de recherche en intelligence artificielle PRAIRIE, l'EPI ARAMIS recrute un(e) doctorant(e) pour la modélisation de la progression de maladies neurodégénératives et celle de l'influence de traitements sur cette progression.

Mission confiée

The study of the temporal progression of a biological or natural phenomenon is central to several scientific fields. For instance, it is used for modeling the changes of biomarkers as a disease progresses.

In the literature, mixed-effects models (Eisenhart, 1947; Laird and Ware, 1982) and (Verbeke and Molenberghs, 2009) appear as popular methods for the analysis of longitudinal data. They often rely on a reference time-point such as birth to compare rate of changes from this time-point. Generalisation of such methods have been proposed recently to compare trajectories without the prior identification of such a reference time-point and allowing more varied shapes of trajectories that linear (Schiratti, J.B, 2017). This statistical approach allows the estimation of computational models depicting how a series of biological, imaging and functional parameters changes during the progression of a neurogedenerative disorder (Koval et al. Sci Rep 2021). Nevertheless this approach allows only monotonous progression of the biomarkers.

In this thesis, we aim to use such models of disease progression to measure how an interventional therapy might change the natural progression of the disease. To this end, we will explore ways to add perturbation in the dynamical system driving the model estimation. We propose to derive and evaluate new ways to measure the efficacy of a treatment by how much the intervention changed the predicted progression. In particular, we will alleviate the hypothesis of monotonicity of the trajectories by taking inspiration from the dynamical systems driving the epidemic models.

References

Eisenhart, C. (1947). The assumptions underlying the analysis of variance. Biometrics, 3(1), 1-21.

Laird, N. M., & Ware, J. H. (1982). Random-effects models for longitudinal data. Biometrics, 963-974.

Serroyen, J., Molenberghs, G., Verbeke, G., & Davidian, M. (2009). Nonlinear models for longitudinal data. The American Statistician, 63(4), 378-388.

Schiratti, J. B., Allassonnière, S., Colliot, O., & Durrleman, S. (2017). A Bayesian mixed-effects model to learn trajectories of changes from repeated manifold-valued observations. The Journal of Machine Learning Research, 18(1), 4840-4872.

Koval, I., Bône, A., Louis, M., Lartigue, T., Bottani, S., Marcoux, A., ... & Durrleman, S. (2021). AD Course Map charts Alzheimer’s disease progression. Scientific reports, 11(1), 1-16.

Principales activités

Principales activés :

  • recherche bibliographiques multidisciplinaire (biologie, médecine, statistiques, mathématiques)
  • mise au point d'algorithme d'apprentissage statistique
  • implémentation des algortihmes et développement logiciel
  • expérimentation numérique sur données médicales simulées et réelles
  • communication scientifique écrite et orale

 

Compétences

Compétences techniques et niveau requis :

  • mathématiques appliquées et apprentissage statistique de niveau master
  • bon niveau pour les expérimentations numériques et l'analyse de données en python

Langues : anglais scientifique à l'écrit comme à l'oral

Compétences relationnelles : vous savez travaillez dans une équipe pluridisciplinaire à la frontière entre médecine, informatique et mathématiques

Avantages

  • 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 (après 6 mois d'ancienneté) 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