En collaboration avec CentraleSupélec, l'INSERM et Unicancer, Gustave Roussy a cofondé l'IHU PRISM, le Centre national français pour la médecine de précision en oncologie, dédié à la personnalisation des traitements contre le cancer basée sur les données.

Dans le cadre de cette initiative, le projet ARCANE est un programme phare visant à créer le premier système d'aide à la décision basé sur l'IA pour les cancers rares. En combinant des systèmes multi-agents, l'IA multimodale et les grands modèles linguistiques (LLM), ARCANE met en place une plateforme virtuelle de tumor board afin d'aider les cliniciens à développer des stratégies thérapeutiques personnalisées.

Nous recrutons un Post Doctorant pour travailler à la croisée de l'oncologie, de l'intelligence artificielle et de la biologie computationnelle. La mission consiste à adapter et à affiner des modèles afin d'extraire des caractéristiques moléculaires et histopathologiques significatives à partir de données cliniques de routine sur les cancers rares. Cette recherche contribuera directement au développement de nouveaux outils basés sur l'IA pour le diagnostic, le pronostic et l'aide à la décision thérapeutique en oncologie.

Vos missions principales seront :
● Ajuster des modèles de fondation (par exemple, grands modèles linguistiques, transformateurs visuels, modèles multimodaux) sur des données biomédicales multimodales, en mettant l'accent sur l'histopathologie et les profils moléculaires des cancers rares;
● Assurer la conception et la mise en œuvre de pipelines pour extraire et intégrer les caractéristiques moléculaires, morphologiques et cliniques pertinentes sur le plan clinique (par exemple, caractéristiques des patients, antécédents de traitement, résultats) à partir des données hospitalières courantes;
● Intégrer ces caractéristiques dans des modèles de raisonnement, permettant à des modèles linguistiques à grande échelle et à des systèmes multi-agents de soutenir la prise de décision clinique dans le domaine des cancers rares;
● Réaliser une évaluation comparative et valider des modèles d'IA par rapport aux méthodes de pointe, en mettant l'accent sur la généralisation, la robustesse et l'interprétabilité clinique;
● Assurer une collaboration étroite avec les cliniciens et les pathologistes de Gustave Roussy afin de garantir la pertinence biomédicale et l'alignement avec les flux de travail oncologiques réels;
● Contribuer à la plateforme virtuelle ARCANE Tumor Board, en développant et en intégrant des modules d'IA pour l'aide à la décision dans le domaine des cancers rares;
● Participer à la diffusion scientifique notamment par des publications dans des revues à fort impact, des présentations lors de conférences internationales et des contributions à des rapports collaboratifs.
● Encadrement des jeunes chercheurs et ingénieurs (stagiaires, doctorants) participant au projet.

● Doctorat en informatique, intelligence artificielle, biologie computationnelle, bio-informatique ou dans un domaine connexe.
● Solide expertise en apprentissage profond et en modèles fondamentaux (par exemple, transformateurs, modèles multimodaux, grands modèles linguistiques).
● Expérience avérée dans le réglage et l'adaptation de modèles à des ensembles de données biomédicales ou cliniques spécifiques à un domaine.
● Solides connaissances des cadres d'apprentissage automatique (PyTorch, TensorFlow, Hugging Face).
● Capacité avérée à traiter des données biomédicales multimodales, idéalement comprenant des images histopathologiques, des données moléculaires (omique) et des dossiers cliniques.
● Expérience avérée en matière de publications scientifiques dans les domaines de l'IA, de la biologie computationnelle ou de l'imagerie médicale/bio-informatique.
● Capacité à travailler dans des environnements interdisciplinaires, en collaboration avec des cliniciens, des pathologistes et des informaticiens.

● Expérience avec les systèmes multi-agents, l'apprentissage par renforcement ou les cadres de raisonnement (par exemple, LangChain, architectures agentives).
● Expérience dans les applications médicales ou biomédicales, en particulier en oncologie ou dans le domaine des maladies rares.
● Connaissance des flux de travail en pathologie numérique et expérience avec des ensembles de données d'imagerie à grande échelle (par exemple, WSI).
● Connaissance de l'intégration de données multimodales (omique, imagerie, caractéristiques cliniques) dans des modèles d'IA unifiés.
● Compréhension des méthodes d'IA explicable (XAI) et des techniques d'interprétabilité pour les applications cliniques.