Post-Doctorant F/H Les jumeaux virtuels : une médecine personnalisée pour le futur, notamment dans le domaine cardiovasculaire

Dans le cadre du programme de Projet important d’intérêt européen commun (PIIEC) 2023, pour le secteur de la santé, nous sommes en collaboration étroite avec un industriel français de tout premier plan.

L’objectif est d’identifier de nouveaux prédicteurs de sévérité clinique afin de pouvoir construire des modèles de prédiction de diagnostic et de traitement pour le suivi personnalisé des patients à haut risque cardiovasculaire.

Nous disposerons de données multi-sources : (i) données cliniques, (ii) données nutritionnelles, (iii) données biologiques à haut débit (protéomique, lipidomique et métabolomique), (iv) données microbiennes, (vi) données d'imagerie et (v) données génomiques. Ces données seront ensuite rendues accessibles pour permettre l'identification de nouvelles méthodes, contraintes dans l'espace raisonnable de la physiologie humaine.

Missions :

Avec l'aide des membres de l'axe "Data-driven and designs for next generation clinical trials" de l'équipe, la personne recrutée participera à la mise au point d’un outil d’aide à la décision dont la finalité sera de guider le traitement préventif des patients à haut risque d'événements cardiovasculaires à l'aide de biomarqueurs cliniques et biologiques métaboliques, observés à différents points dans le temps. Différentes cohortes de l’ordre d’une centaine ou quelques centaines de patients seront mises à notre disposition, contenant des données rétro- et prospectives et longitudinales.

Pour le démarrage de ce projet, vont se poser 2 questions

1. Nombre de sujets nécessaire. Anticiper la quantité d'information pertinente réellement contenue et à recueillir, dans les bases de données qui seront à disposition au final, est crucial. Or aujourd'hui, peu de travaux rapportent des calculs de puissance statistique ou de nombre de sujets nécessaire en présence des données mono et multimodales.
2. Prédiction des risques et réponses aux traitements. Les approches actuelles incluent l’apprentissage automatique (Machine Learning) et la modélisation statistique. Dans notre contexte (nombre de patients, variables et nombre de variables recueillies), les 2 approches coexistent souvent sans qu’il soit clair que l’une domine(ra) l’autre. Aucune approche n’est écartée a priori entre statistique inférentielle fréquentiste, statistique bayésienne et machine learning.

Le travail consistera donc à

Pour la question 1

a) effectuer une revue approfondie de la littérature concernant la puissance statistique des données multimodales et b) formaliser le contexte mathématique d'un calcul de nombre de patients nécessaire en présence de ces données.

Pour la question 2

c) Guider le choix des algorithmes et modèles à implémenter, et plus particulièrement, évaluer l'apport de l'inférence causale dans notre contexte (hypothèses initiales à respecter, limites des modèles, choix de la méthodologie la plus adaptée)

La personne recrutée sera en lien avec Sandrine KATSAHIAN qui dirige l'équipe 3 de l'unité HeKA.

Principales activités

• Effectuer des recherches dans la littérature médicale et scientifique, sur la puissance statistique attendue compte tenu de la faiblesse des signaux à capter et des caractéristiques des données (mono ou multi-omiques, multimodalité, hétérogénéité, taille des cohortes, longitudinalité, nombre et type de variables...)
• Poser le cadre mathématique à une estimation d'un nombre de sujets nécessaires dans ce contexte
• Dégager des recommandations pour l'utilisation de l'inference causale en présence des algorithmes ou modèles diagnostiques ou pronostiques qui seront utilisés
• Développer les modèles d'inférence causale nécessaires au projet

Compétences techniques et niveau requis : Docteur en statistiques ou mathématiques

Langues : Français, Anglais (lu, écrit, parlé).

Compétences relationnelles : écouter et savoir se mettre à la hauteur de son interlocuteur, sans se laisser impressionner.

Compétences additionnelles appréciées : aimer apprendre, être curieux. Autonome et proactif

• 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