About the position
Context Dans le cadre de la Chaire de recherche « Intelligence Artificielle et Recherche Clinique en oncologie » porté par l'équipe Inria HeKA (Inria–Inserm–Université Paris Cité). L'objectif est de : Développer des méthodes statistiques et d'apprentissage automatique permettant d'estimer les effets de traitement dans une population cible, -en combinant données d'essais cliniques et données de vie réelle (dossiers médicaux, entrepôts hospitaliers, registres), plus particulièrement dédiées à l'émulation et à la repondération d'essais cliniques en oncologie, notamment pour les cancers rares (cancers biliaires). Des déplacements réguliers sont prévus pour ce poste, notamment pour la participation à des congrès scientifiques. Les frais de déplacements seront pris en charge dans la limite du barème en vigueur. Assignment Missions : Avec l'aide d'Agathe Guilloux et Sandrine Katsahian la personne recrutée sera amenée à concevoir, implémenter et valider des méthodes de repondération (de type Horvitz-Thompson, IPTW) et d'émulation d'essais cliniques, y compris des extensions par apprentissage profond adaptées aux données multimodales et aux critères de survie propres à l'oncologie. Collaboration : La personne recrutée sera en lien avec Sandrine Katsahian, Agathe Guilloux et les autres personnes recrutées sur le projet, qui fourniront l'expertise clinique en oncologie, pour garantir la pertinence clinique et la validité méthodologique des approches développées. Responsabilités : La personne recrutée a la charge de la revue de la littérature méthodologique, du développement et de la validation statistique des méthodes de repondération et d'émulation, et prendra des initiatives pour identifier les limites d'application de ces méthodes en oncologie et proposer des recommandations opérationnelles. Pilotage/Management : La personne recrutée aura la responsabilité de l'encadrement ponctuel d'étudiants en master ou stagiaires impliqués sur les mêmes travaux. Elle participera également à la rédaction des rapports intermédiaires. Main activities Principales activités : Réaliser une revue de littérature sur les méthodes d'émulation d'essais cliniques Développer des méthodes statistiques et de deep learning pour l'émulation d'essais et la repondération de populations Valider ces méthodes sur des données d'essais cliniques et de vie réelle en oncologie (SNDS, entrepôt HEGP/APHP, ou autres) Développer et diffuser un package open-source reproductible Rédiger des publications scientifiques et présenter les travaux aux partenaires cliniques et académiques Activités complémentaires : Contribuer aux actions de formation continue destinées aux cliniciens et biostatisticiens Participer aux séminaires interdisciplinaires de la Chaire Encadrer ponctuellement des stagiaires ou étudiants de master Skills **Langues :** - Anglais : niveau courant à l'écrit et à l'oral, indispensable pour la rédaction de publications et la collaboration internationale - Français : apprécié pour les échanges avec les équipes cliniques, non obligatoire **Compétences relationnelles :** - Aptitude au travail en équipe pluridisciplinaire (chercheurs, statisticiens, cliniciens, ingénieurs) - Autonomie, rigueur et sens de l'organisation - Bonne capacité de communication à l'écrit comme à l'oral, y compris auprès d'interlocuteurs non spécialistes (cliniciens, partenaires industriels) - Curiosité scientifique et goût pour les projets à finalité clinique concrète **Compétences additionnelles appréciées :** - Expérience antérieure en biostatistique clinique ou en épidémiologie - Connaissance du contexte réglementaire de la recherche clinique (FDA, EMA, real-world evidence) - Expérience de collaboration avec des équipes hospitalières ou industrielles (pharma) - Contribution antérieure à des projets open-source scientifiques
This listing was collected from a public source and is reproduced here for
information only. Always confirm the details on the original posting before applying.
View the original posting