Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LGI2A Bethune
Durée : 36 mois
Contact : francois.delmotte@univ-artois.fr
Date limite de publication : 2020-04-30

Contexte :
Ce projet s’inscrit d’un point de vue applicatif dans le domaine de l’ingénierie de la santé et d’un point de vue théorique dans celui de l’optimisation sous incertitudes et de l’intelligence artificielle.

De nombreux travaux utilisant des techniques issues du domaine de la recherche opérationnelle et de l’IA dans le domaine de la santé ont vu le jour très récemment et ont porté sur l’amélioration de l’efficacité des systèmes de prise de rendez-vous pour les patients; l’automatisation du traitement des communications cliniques entre les soins secondaires et primaires; la création des systèmes d’aide à la décision clinique plus précis; la mise en place d’un système de santé personnalisé à travers la création d’une plateforme qui vise à envoyer des messages personnalisés aux patients sur les mesures qu’ils pourraient prendre pour améliorer leur santé… (Buch et al. 2019 ; Yu et al. 2018 ; Gulshan et al. 2016). C’est dans ce contexte que se positionne notre sujet.

Les verrous méthodologiques de cette thèse consistent à mener une étude exploratoire et proposer une ou plusieurs nouvelles approches hybrides issues du domaine de l’optimisation robuste et basées sur l’IA et l’apprentissage à travers l’utilisation du « machine learning » (ML) pour améliorer le rendement et l’efficacité des systèmes de gestion des ressources d’une structure HAD. Le ML est un champ d’étude de l’IA qui présente un grand avantage. Cet avantage consiste à donner aux systèmes informatiques la capacité d’apprendre sans programmation. En outre, l’intégration de l’IA dans la gestion des systèmes de soins; et ce, à travers le déploiement de solutions concrètes d’aide à la décision, avec des actions et des résultats perceptibles à court et moyen termes avec les indicateurs de performance du service de soins (amélioration du niveau de service et amélioration du taux de satisfaction patient) et la prise en compte des différentes évolutions (ou encore changements) du système représente un certain défi puisque cela dépend du contexte opérationnel qui est en évolution continue (état de santé du patient et de son comportement, environnement, ..).

Sujet :
L’objectif de cette thèse est de développer une ou plusieurs approches hybride d’optimisation et d’IA pour la planification et le pilotage des services de soins d’une structure HAD, exposée opérationnellement à de multiples évolutions. En outre, l’objectif est de fournir une solution, ou encore une démarche structurée, couvrant les différentes phases de l’analyse des données (habitudes de vie) et de l’identification des évolutions (état de santé et environnement), jusqu’à la quantification des scénarios retenus et la mise en place de solutions permettant de répondre aux anomalies comportementales et/ou opérationnelles.

Profil du candidat :
Le candidat aura un master en statistiques ou informatique orienté vers l’apprentissage/ la classification, des notions d’optimisation sont bienvenues.

Formation et compétences requises :
apprentissage, classification, analyse de données…
des notions d’optimisation sont un plus

Adresse d’emploi :
Lgi2a, FSA, rue de l’université, bethune

Document attaché : descriptif_sujet_et_madics.pdf