Post-doctorat : Traitement automatique du langage pour la
caractérisation de l'autonomie des patients


Contexte

L'équipe de recherche DOMASIA du laboratoire Inserm Traitement du
Signal et de l'Image (LTSI) mène des travaux sur les systèmes de santé
apprenants, avec trois axes principaux :
-   Patient to Data : Interopérabilité et intégration des données
    médicales pour une réutilisation secondaire.
-   Data to Knowledge : Extraction de connaissances à partir des
    données massives en santé et développement de modèles prédictifs.
-   Knowledge to Patient : Implémentation et évaluation des modèles en
    conditions réelles.

L'équipe DOMASIA collabore étroitement avec le Centre de Données
Cliniques (CDC) du CHU de Rennes et le réseau interrégional RiCDC, qui
fédère plusieurs hôpitaux et centres de lutte contre le cancer de
l'ouest de la France. Grâce à ces partenariats, les chercheurs ont
accès à de vastes entrepôts de données de santé, notamment via la
plateforme Ouest Data Hub (ODH), facilitant les études multicentriques.
Dans le cadre d'un projet porté par le CHU de Tours, nous recrutons
un(e) post-doctorant(e) pour développer des méthodes de traitement
automatique du langage naturel (TAL) afin de caractériser l'autonomie
des patients à partir des documents textuels des dossiers médicaux
(comptes rendus d'hospitalisation, dossiers infirmiers, observations
médicales). L'objectif est d'alimenter un modèle de prédiction de
survie des patients âgés atteints d'infections respiratoires aiguës en
réanimation, en intégrant des données issues de plusieurs centres
hospitaliers.


Missions

Le(la) post-doctorant(e) aura pour principales missions :
-   Développer des méthodes de traitement automatique du langage
    naturel (TAL) pour extraire et structurer les informations sur
    l'autonomie des patients à partir des entrepôts de données de santé
    du réseau HUGO.
-   Explorer différentes approches méthodologiques (reconnaissance
    d'entités nommées, classification automatique, analyse de
    sentiment...) et définir un cadre d'évaluation de leurs performances
    et interprétabilité.


Profil recherché

Nous recherchons un(e) candidat(e) curieux(se), rigoureux(se) et
motivé(e), avec les compétences suivantes :
-   Formation : Doctorat en intelligence artificielle, traitement
    automatique du langage naturel (TAL), ou domaine connexe.
-   Compétences techniques :
    -   Expérience en apprentissage supervisé et non supervisé appliqué
        au traitement du langage naturel, idéalement dans le domaine
        médical.
    -   Expérience dans l'utilisation des Large Language Model (LLM).
    -   Maîtrise des métriques de performance, techniques
        d'optimisation et d'évaluation.
    -   Excellentes compétences en programmation Python et/ou R.
-   Compétences transversales :
    -   Sensibilisation aux enjeux et contraintes du milieu clinique.
    -   Capacité à travailler en équipe pluridisciplinaire et en
        interaction avec des cliniciens.


Conditions de travail

-   Contrat : 16 mois
-   Localisation : Rennes
-   Encadrement : LTSI - Université de Rennes, en collaboration avec le CHU de Tours
-   Rémunération : Selon grille salariale Inserm / Université de Rennes
-   Date de début : À définir selon disponibilité

Candidature : Envoyer CV et lettre de motivation à
    guillaume.bouzille@univ-rennes.fr