Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
Le/la post doctorante recruté(e) travaillera sur la plateforme ultra haut champ du CHU de Poitiers au sein du laboratoire commun I3M (Laboratoire de mathématiques et Applications LMA CNRS 7348, université de Poitiers) dans le cadre du projet région MoGLIA. Ce projet porte sur la modélisation de la croissance tumorale. La croissance tumorale est un phénomène complexe, influencé par de nombreux facteurs biologiques, métaboliques et environnementaux. L’imagerie par résonance magnétique (IRM) morphologique est largement utilisée pour détecter et surveiller les tumeurs grâce à sa capacité à fournir des informations anatomiques détaillées. En complément, la spectroscopie par résonance magnétique (SRM) permet d’accéder à des marqueurs métaboliques in vivo, comme le lactate, offrant un aperçu unique de l’activité biochimique au sein des tissus tumoraux. L’exploitation conjointe de ces deux modalités pourrait significativement améliorer la prédiction de la progression tumorale, mais nécessite des outils capables d’intégrer, modéliser et interpréter cette richesse d’information. C’est dans ce contexte que les approches d’intelligence artificielle (IA), en particulier l’apprentissage profond (deep learning), présentent un potentiel considérable.
Activités :
Ce projet de post-doctorat vise à développer un modèle prédictif de la croissance tumorale en s’appuyant sur des approches d’intelligence artificielle (IA) capables d’intégrer des données issues de l’IRM morphologique et de la SRM. L’objectif est d’extraire des biomarqueurs structuraux et métaboliques permettant une modélisation spatio-temporelle précise de l’évolution tumorale, à des fins de diagnostic, pronostic et de suivi thérapeutique personnalisé.
1. Développer des architectures d’apprentissage profond capables de combiner les données issues de l’IRM morphologique (T1, T2, FLAIR) et de la SRM (spectres métaboliques) pour une meilleure caractérisation des tumeurs.
2. Concevoir des modèles prédictifs de la croissance tumorale dans le temps, en intégrant des séries longitudinales IRM/SRM, avec des approches de type réseaux spatio-temporels (Transformers, ConvLSTM, etc.).
3. Identifier les métabolites clés (comme la choline, lactate, NAA, etc.) corrélés à la croissance ou à l’agressivité tumorale, et les intégrer dans les modèles prédictifs.
4. Assurer la transparence des modèles via des outils d’explicabilité (SHAP, attention maps) et valider les performances sur des bases de données cliniques annotées.

Contexte de travail :
Le candidat sélectionné travaillera en étroite collaboration avec des équipes multidisciplinaires comprenant des radiologues, des médecins et des ingénieurs pour valider et évaluer les méthodes développées. Les résultats obtenus seront comparés à des références cliniques/précliniques et interprétés de manière médicalement pertinente.

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Le/la candidat(e) devra idéalement posséder les compétences suivantes :
· Expérience en traitement d’images médicale, en particulier IRM
. Connaissance de la spectroscopie RM (ou volonté forte de s’y former rapidement).
Maitrise des techniques d’Intelligence artificielle et en apprentissage profond
. Maîtrise de Python, PyTorch/TensorFlow, et outils de visualisation médicale (e.g., 3D Slicer, ITK-SNAP, MONAI…).
· Maitrise des plateformes d’apprentissage profond Tensorflow/Pytorch/scikitlearn
· Anglais : haut niveau

Contraintes et risques :
aucune contraintes
aucun risque