Estimation du lien entre leuco-encéphalopathie, troubles cognitifs et radiothérapie cérébrale H/F

Les travaux de recherche s'intègreront dans le projet ANR RADIO-AIDE (2002-2027), dérivé du projet EpiBrainRad et coordonné par l'ASNR. Ils auront pour objectif de répondre à certains des questionnements cliniques portés par le projet EpiBrainRad via le développement de modèles probabilistes spatio-temporels et de méthodes d'apprentissage statistique bayésien efficaces, compte-tenu de la grande dimension des données d'intérêt. Des segmentations longitudinales de différentes structures cérébrales et différents types de lésions post-RT - incluant les hyper-intensités de la substance blanche – seront notamment utilisées comme données d'entrée des modèles.

De précédents travaux de recherche réalisés au sein du LEPID ont conduit à proposer un modèle de mélange Markovien ainsi qu'un algorithme d'apprentissage bayésien spécifique afin de permettre une estimation, à échelle du voxel, de l'association potentielle entre la dose de rayonnements ionisants (RI) reçue par certains tissus sains intracérébraux et la progression temporelle de PDLs post-RT.

Les travaux réalisés nécessitent cependant des travaux complémentaires afin d'affiner la modélisation proposée et d'améliorer l'algorithme d'inférence associé. De plus, les estimations dose-réponse ont seulement été réalisées sur une sous-cohorte de 50 patients et 170 examens IRMs. Il conviendra d'intégrer ces nouvelles données dans les analyses afin que l'hétérogénéité intra et inter-individus soit bien représentée.

Missions
a) Proposer une méthode d'apprentissage bayésien efficace pour le modèle de mélange Markovien proposé afin d'obtenir des estimations robustes en un temps de calcul raisonnable ;
b) Complexifier le modèle de mélange Markovien proposé pour prendre notamment en compte des effets aléatoires spatiaux et individu-spécifiques ;
c) Mettre en place et réaliser des analyses de sensibilité et d'analyses par simulation pertinentes afin de tester la performance et la robustesse du modèle proposé;
d) Appliquer le modèle aux données de la cohorte EpiBrainRad ;
e) Etendre le modèle proposé afin de décrire l'association potentielle entre différents scores cognitifs d'intérêt, la dose au cerveau et la progression spatio-temporelle de PDLs.

Profil
Le candidat retenu devra être titulaire d'un doctorat en statistiques mathématiques ou en statistiques appliquées et justifier d'une expérience :
- en statistique bayésienne (notamment en matière de mise en œuvre d'algorithmes d'inférence)
- en analyse d'images.
Il devra posséder des connaissances en langage de programmation C++ et Python. Il devra être capable de travailler de manière autonome et de communiquer avec clarté et pédagogie avec les autres membres de l'équipe projet.