Descriptif du poste: Le projet consiste à analyser le microenvironnement intra- et péritumoral sur des lames virtuelles utilisant l'intelligence artificielle. La réponse immunitaire contre la tumeur a été largement étudiée à l'aide de l'immunohistochimie, et a été confirmée comme un biomarqueur pronostique dans des études prospectives sur des patients atteints de CCR localisée. L'évaluation in situ de la réponse immunitaire pourrait également prédire la réponse aux inhibiteurs de points de contrôle. Nous utilisons actuellement ces tests pour la sélection des patients dans une étude de phase 2. L'utilisation de l'IA sur des lames virtuelles H&E a révélé qu'un nombre important de caractéristiques de réponse tumorale et de l'hôte peuvent être identifiées et que l'immunohistochimie ainsi que les analyses moléculaires sophistiquées peuvent devenir inutiles. Nous terminons actuellement la mise en place d'un nouveau test TuLIS utilisé dans l'étude précédente, mais qui est réalisé sur des lames H&E. Très peu d'études ont encore été menées pour comparer la réponse immunitaire des personnes selon les âges. Nous utiliserons le nouveau score H&E TuLIS pour analyser les lames H&E et comparer les réponses immunitaires anti-tumorales de patients selon les âges : PETACC8, PRODIGE 9, PRODIGE 13, PRODIGE 34 et IMPROVED ainsi que de la cohorte IMCO. Du point de vue de l'IA, nous devons évaluer le test TuLIS avec des données plus annotées : soit au niveau des lymphocytes, soit au niveau de la classification par courbe. La première évaluation servira à calibrer notre test selon différentes qualités d'images et de colorations. La seconde évaluation consistera à évaluer l'efficacité des inclusions de patients en fonction de la forme de la courbe d'infiltration comparée à la décision finale du médecin. En fait, même avec l'apprentissage profond, la détection cellulaire dans les tissus reste un défi, car nous devons détecter des cellules à un stade avancé de la pathologie, puis des cellules très variables dans les tissus avec beaucoup de zones spécifiques et des déformations (comme la nécrose, etc.) comparées aux patients en bonne santé (base de données déséquilibrée). Nous pensons donc que travailler à un niveau plus global d'évaluation qualitative de l'infiltration tumorale avec des outils quantitatifs et augmentés est la voie la plus efficace à procéder tant au niveau clinique que biologique. Au niveau H&E, CD3 et CD20 sont à peine discernables en soi, mais en tenant compte des contraintes spatiales et de l'analyse, ainsi que quelques heuristiques médicales, cela pourrait conduire à une évaluation plus spécifique des TILs  Profil recherché: Vous travaillerez au sein de l'équipe SIP, sous la direction des Professeurs Camille Kurtz et Nicolas Loménie, spécialistes en IA et Vision par Ordinateur appliquée à l'histopathologie digitale.   Vous avez un master en Informatique et de l''expérience dans le domaine de l'imagerie médicale avec une appétence pour les métiers de la recherche. Vous avez des connaissances en vision par ordinateur et en IA avec une bonne maîtrise de l'informatique permettant de déployer les solutions d'iA pour les médecins. Vous êtes à l'aise avec les outils de développement informatiques permettant de déployer les solutions d'IA pour des usagers généralistes comme les médecins. Notamment les aspects de communication de données en réseau via des APIs. Vous êtes curieux et enthousiastes pour les derniers développements de l'IA au domaine de l'imagerie médicale. Niveau de diplôme : Master Informatique ou Mathématiques Appliquées. Diplôme d'Ingénieur.