Le 31/05/2018 par hmhand :

Une méthode prédictive et réactive pour la détermination de l’impact des comorbidités associées au cancer de la vessie

L’EPROAD de l’Université de Picardie Jules Verne (UPJV, Amiens) propose un sujet de thèse susceptible d’être financé sur 3 ans (à compter du 1er septembre 2018).

Sujet de thèse :

De très nombreux patients pris en charge pour un cancer de vessie, présentent des comorbidités telles qu’il peut être difficile de respecter les recommandations thérapeutiques des sociétés savantes, ce qui en soit peut influencer la survie spécifique de cette maladie. Evaluer ces comorbidités associées au cancer de vessie avant d’envisager un traitement agressif, connaître leur impact en termes de mortalité compétitive, modéliser leur rôle dans les choix thérapeutiques (en les associant aux évaluations classiques), permettra de définir avec plus de précision, l’attribution de tel ou tel traitement, dans un rationnel risque /efficacité plus pertinent.

En utilisant des données réelles du registre des cancers, le sujet de thèse s’intéresse à l’impact des comorbidités sur la décision thérapeutique et les conséquences que cela peut avoir sur la mortalité spécifique et la mortalité globale. Il s’appuie sur la description de l’impact des comorbidités sur le stade tumoral au diagnostic et sur la prise en charge thérapeutique des cancers de vessie.

Les méthodes envisagées s’appuieront sur des techniques issues de la recherche opérationnelle et de l’intelligence artificielle : 

1. Analyse de données approfondie : elle permettra de mettre en place une première classification des sujets.

1. Une méthode évolutionnaire : elle tentera d’optimiser les différents clusters obtenus afin de produire des résultats plus fins permettant un choix d’un traitement optimal : il s’agit d’une approche prédictive. 
2. Un outils adaptatif : cette étape tentera de rendre l’outil adaptatif et réactif pour l’analyse en temps réel. 

Enfin ces modèles seront associés aux choix thérapeutiques afin d’améliorer la qualité de la décision et des référentiels thérapeutiques professionnels.

Compétences / Pré-requis pour le (la) candidat(e) :

• Avoir suivi des cours d’optimisation combinatoire, de modélisation et d’aide à la décision (master méthodes quantitatives et aide à la décision, intelligence artificielle, école d’ingénieur ou master d’informatique, de mathématiques (appliquées) comportant une formation sur le sujet). 
• Posséder de bonnes connaissances d’algorithmique, d’optimisation et de programmation (C, C++…), méthodes de classification, analyse de données.

Dossier de candidature (à envoyer avant le 6 juin) :

1. Un CV
2. Des relevés de notes du dernier diplôme
3. Un justificatif d’un diplôme de Master 2 (informatique / mathématiques appliquées), d’ingénieur ou équivalent (titulaire ou sur le point d’être titulaire) 
4. Lettres de recommandation

Auditions des candidat(e)s : 

• Premier classement des candidat(e)s par l’EPROAD : Entre le 6 juin et le 7 juin 2018 (une audition par visio est possible pour cette première audition)
• Deuxième audition par l’Ecole Doctorale STS UPJV : Le 22 juin 2018 à partir de 9h (la présence est obligatoire)

A prendre contact avec :

•  Mhand Hifi (Professeur, Directeur de l’EPROAD, UPJV) ; Mail : hifi@u-picardie.fr ; Tél. : 03 22 82 54 11
•  Fabien Saint (Professeur, Unité de Recherche EPROAD, UPJV) ; Mail : fabien.saint@u-picardie.fr ; Tél. : 03 22 82 53 10