STAGE - Ingénieur de recherche : Modélisation NLP de guidelines médicales (H/F)

Lieu du stage : Cesson-Sévigné (35)

Au sein du département Recherche de Dassault Systèmes, vous intégrerez l’équipe de recherche Oncology Twin qui vise à projeter les technologies de traitement de données (imagerie, génomique, textuelles, etc…) dans la pratique médicale de demain. Dans le cadre d'un programme de recherche collaboratif, vous aurez l'opportunité de développer des technologies innovantes au service des médecins qui s'intégreront dans une solution médicale future pour améliorer le diagnostic et offrir un soin personnalisé à chaque patient atteint de cancer.

Le stage fera partie d’un groupe de travail dédié à la modélisation des guidelines (recommandations thérapeutiques) constitués d’experts à la fois et en recherche et en développement de logiciel, mais aussi d’autres stagiaires.

L'équipe est géographiquement divisée entre la Bretagne et l'Ile de France. Le poste est à pourvoir sur notre agence de Cesson-Sévigné (banlieue de Rennes).

Vos missions

Le but de ce stage est de développer un modèle NLP de données pour une base de données de recommandations médicales (=guidelines) de traitement contre le cancer. Les recommandations médicales sont écrites par des médecins, au travers de diverses publications scientifiques. Il n’existe donc pas un arbre de décision centralisé regroupant l’ensemble de la connaissance des recommandations de traitements. Cette fragmentation de la connaissance lui donne également une forme relativement hétérogène : une même notion peut avoir des dénominations différentes. Le premier objectif du stage est donc de définir un vocabulaire commun à l’ensemble des guidelines, de définir un data model à partir d’une ontologie à identifier ou à construire. Il s’agira ensuite de construire un modèle de guidelines, basé majoritairement sur l’analyse textuelle de celles-ci (NLP), agrégeant de manière normalisée l’ensemble des recommandations de traitements contre le cancer.

Vous aurez pour mission de :

• Faire un état de l'art des data model et ontologies existantes en santé, et plus particulièrement en cancérologie ;
• Inventorier les recommandations médicales à exploiter ;
• Examiner les diverses ontologies, créer un data model et le mettre en œuvre dans un code python NLP ;
• Communiquer autour de la technologie et de son travail : résultats, point de blocage, etc … ;
• Offrir des visuels, éventuellement interactifs, d’arbre de décision des recommandations thérapeutiques (guidelines).