Publiée 2 juillet 2026
Chercheur contractuel / Statistiques (Big data) / Médecines numériques
Inria
Paris, Île-de-France 75000, France
CDI
Contexte et atouts du poste
Dans le cadre d'un projet naissant avec l'Université d'Osaka, nous cherchons à recruter un.e ingénieur.e.
Avec le vieillissement des populations, l'ostéoarthrose du genou est devenu un enjeu de santé publique en France comme au Japon, d'où l'intérêt d'en détecter les facteurs de risque individuels et de développer des thérapies adaptées. Dans ce cadre, l'identification des gènes corrélés aux évolutions structurelles du genou propres à l'ostéoarthrose est centrale : elle permet à la fois de prédire le risque et d'explorer des pistes de thérapies géniques.
Les technologies numériques, et en particulier l'intelligence artificielle (IA), jouent un rôle essentiel dans ce domaine, car elles permettent de mener des analyses conjointes sur les données disponibles dans un cadre clinique, à savoir l'imagerie et les données tabulaires. À ce jour, aucun travail ne permet d'identifier les gènes impliqués dans les dégradations de l'ostéoarthrose du genou visibles sur les clichés d'imagerie (IRM, radiographie) : il est donc fondamental de proposer de nouvelles solutions algorithmiques.
Pour ce faire, les données de vie réelle issues des dossiers de santé électroniques, des dispositifs portables et d'autres sources numériques, peuvent fournir des informations précieuses. Les algorithmes gagnent en robustesse statistique et en capacité de généralisation à d'autres populations et à d'autres machines lorsqu'ils sont entraînés et testés sur des sources de données variées.
C'est pourquoi le développement s'appuiera dans un premier temps sur les données d'imagerie disponibles auprès de la National Institute of Health ( https://nda.nih.gov/oai ; déjà chargées sur le supercalculateur Jean-Zay avec une allocation de ressources), auxquelles seront chaînées les données génétiques associées ( https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000955.v1.p1 ), dans un environnement de calcul certifié ISO 27001, comme l'exigent les normes de la NIH.
Dans un second temps, les méthodes d'identification des gènes impliqués dans les évolutions structurelles mesurées à l'imagerie seront testées sur une population différente (Japon ; https://www.megabank.tohoku.ac.jp/english/ ), dans le cadre de la collaboration avec l'Université d'Osaka.
L'objectif est de développer une méthode robuste d'identification des gènes impliqués dans l'évolution de l'ostéoarthrose du genou.
Mission confiée
Avec l'aide d'Agathe Guilloux et de Sandrine Katsahian, la personne recrutée sera amenée à :
Principales activités
Avantages
Dans le cadre d'un projet naissant avec l'Université d'Osaka, nous cherchons à recruter un.e ingénieur.e.
Avec le vieillissement des populations, l'ostéoarthrose du genou est devenu un enjeu de santé publique en France comme au Japon, d'où l'intérêt d'en détecter les facteurs de risque individuels et de développer des thérapies adaptées. Dans ce cadre, l'identification des gènes corrélés aux évolutions structurelles du genou propres à l'ostéoarthrose est centrale : elle permet à la fois de prédire le risque et d'explorer des pistes de thérapies géniques.
Les technologies numériques, et en particulier l'intelligence artificielle (IA), jouent un rôle essentiel dans ce domaine, car elles permettent de mener des analyses conjointes sur les données disponibles dans un cadre clinique, à savoir l'imagerie et les données tabulaires. À ce jour, aucun travail ne permet d'identifier les gènes impliqués dans les dégradations de l'ostéoarthrose du genou visibles sur les clichés d'imagerie (IRM, radiographie) : il est donc fondamental de proposer de nouvelles solutions algorithmiques.
Pour ce faire, les données de vie réelle issues des dossiers de santé électroniques, des dispositifs portables et d'autres sources numériques, peuvent fournir des informations précieuses. Les algorithmes gagnent en robustesse statistique et en capacité de généralisation à d'autres populations et à d'autres machines lorsqu'ils sont entraînés et testés sur des sources de données variées.
C'est pourquoi le développement s'appuiera dans un premier temps sur les données d'imagerie disponibles auprès de la National Institute of Health ( https://nda.nih.gov/oai ; déjà chargées sur le supercalculateur Jean-Zay avec une allocation de ressources), auxquelles seront chaînées les données génétiques associées ( https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000955.v1.p1 ), dans un environnement de calcul certifié ISO 27001, comme l'exigent les normes de la NIH.
Dans un second temps, les méthodes d'identification des gènes impliqués dans les évolutions structurelles mesurées à l'imagerie seront testées sur une population différente (Japon ; https://www.megabank.tohoku.ac.jp/english/ ), dans le cadre de la collaboration avec l'Université d'Osaka.
L'objectif est de développer une méthode robuste d'identification des gènes impliqués dans l'évolution de l'ostéoarthrose du genou.
Mission confiée
Avec l'aide d'Agathe Guilloux et de Sandrine Katsahian, la personne recrutée sera amenée à :
- Réaliser une revue de la littérature scientifique et une synthèse des méthodes état de l'art pour l'encodage auto-supervisé (mask pretraining) de données multimodales (imagerie IRM et radiographique, données tabulaires) ;
- Construire, à partir des méthodes les plus pertinentes, une série de représentations par patient dans des espaces latents où l'information multimodale est compressée de façon standardisée ;
- Tester ces représentations sur différentes tâches afin de valider leur pertinence : par exemple, la classification ou la régression des scores déjà annotés par les radiologues présents dans la base NIH ;
- Déduire un score d'accélération des évolutions dans l'espace latent ;
- Sélectionner les gènes corrélés à un score d'accélération plus élevé ;
- Valider les gènes impliqués dans l'évolution sur la base de données japonaise (validation externe).
Principales activités
- Développer des programmes
- Rédiger la documentation
- Analyser des données
- Rédiger les rapports
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 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
