Offre de stage Master 2, équipe SIAM : « KG-EDS : Graphes de connaissances pour le diagnostic précoce du sepsis »

Titre : KG-EDS : Graphes de connaissances pour le diagnostic précoce du sepsis

Description :

Le sepsis est une urgence médicale grave, caractérisée par une réponse immunitaire dérégulée face à une infection, pouvant être causée par des pathogènes bactériens, viraux, fongiques ou parasitaires. Cette réponse entraîne fréquemment un dysfonctionnement des organes et un risque élevé de mortalité si elle n’est pas diagnostiquée et traitée rapidement. La diversité des symptômes et la complexité des mécanismes biologiques impliqués rendent le diagnostic précoce du sepsis particulièrement difficile. Un mauvais diagnostic ou un diagnostic tardif peuvent avoir des conséquences dramatiques, ce qui souligne l’importance de disposer d’outils efficaces pour identifier la maladie dès ses premiers stades.

Les graphes de connaissances, basés sur des ontologies, offrent une solution puissante pour surmonter ces défis. En représentant les relations complexes entre concepts médicaux, ils permettent d’intégrer des données hétérogènes et de structurer l’information pour faciliter la prise de décision. Ces graphes peuvent organiser les critères diagnostiques du sepsis, offrant ainsi un soutien précieux aux professionnels de santé pour une identification plus précise et rapide de la maladie.

Ce stage a pour objectif de concevoir un graphe de connaissances basé sur des ontologies médicales afin de faciliter la détection précoce du sepsis. Le système exploitera des données médicales du patient, telles que les symptômes, les résultats de laboratoire et les antécédents médicaux, en utilisant des ontologies pour modéliser les interconnexions complexes entre ces données et les critères diagnostiques du sepsis. L’un des objectifs majeurs est de permettre au graphe de répondre à des questions clés, telles que « Comment identifier le sepsis à un stade précoce ? », fournissant ainsi des informations cruciales pour des soins opportuns.

Ce stage fait partie de l’IHU PROMETHEUS (PRecisiOn MedicinE for healTHcare associatEd and commUnity acquired Sepsis), un institut dédié à la recherche sur le sepsis. L’initiative PROMETHEUS vise à réduire de moitié la mortalité et les effets à long terme du sepsis au cours de la prochaine décennie. Ce stage constitue également la première phase d’un projet de recherche plus vaste, qui se poursuivra par une thèse de doctorat.

Vous aurez à :

1. 1. Réaliser une revue de la littérature sur l’utilisation des graphes de connaissances et des ontologies dans le domaine médical, avec un focus particulier sur la détection du sepsis.
   2. Étudier et sélectionner les ontologies médicales existantes pour représenter les concepts liés au sepsis (symptômes, biomarqueurs, scores cliniques, etc.) – par exemple, SNOMED CT, CIM-10, Human Phenotype Ontology, Human Disease Ontology (DOID) – et identifier les concepts clés associés au sepsis.
   3. Modéliser une ontologie spécifique au sepsis en intégrant les critères diagnostiques et en répondant aux problématiques de compétence identifiées. Vous travaillerez avec des données cliniques et des documents PDF dont il faudra extraire les informations pertinentes pour construire l’ontologie, ce qui nécessitera l’utilisation d’outils de traitement automatique du langage naturel (NLP).
   4. Concevoir un graphe de connaissances représentant les données des patients et leur relation avec les critères diagnostiques du sepsis.
   5. Implémenter des algorithmes de raisonnement sur le graphe pour évaluer le risque de sepsis chez un patient, en fonction des données médicales saisies.
   6. Valider le système à l’aide de cas réels ou simulés pour tester la précision et la pertinence du graphe dans l’aide au diagnostic.
   7. Rédiger un rapport de stage détaillant les choix techniques et les résultats obtenus, ainsi que des recommandations pour d’éventuelles améliorations futures.

Profil du candidat :

L’étudiant devra avoir une solide formation en informatique, avec des compétences recommandées dans les domaines suivants :

• • Ontologies et modélisation des connaissances (OWL, RDF, SPARQL)
  • Traitement automatique du langage naturel (NLP)
  • Programmation (Python, Java ou C++)
  • Gestion de données structurées et non structurées
  • Connaissances de base en sciences médicales ou intérêt pour la santé et le diagnostic médical

Bibliographie :

[1] Melissa Yan, Lise Tuset Gustad, Lise Husby Høvik Terminology and Ontology Development for Semantic Annotation : A Use Case on SEPSIS and Adverse Events– 08-22-2022  https://www.semantic–web–journal.net/content/terminology–and–ontology–developmentsemantic–annotation–use–case–sepsis–and–adverse–0

[2] ARGUELLO CASTELEIRO & al. A Case Study on Sepsis Using PubMed and Deep Learning for Ontology Learning. https://www.researchgate.net/publication/317165452_A_Case_Study_on_Sepsis_Using_Pu bMed_and_Deep_Learning_for_Ontology_Learning

[3] Piriou, S. Despres, J. Nobecourt, C. Le Roy, C. Irles Graphe de connaissance et ontologie pour la représentation des données de la LLC. PFIA 2023. https://pfia23.icube.unistra.fr/journees/info–medic/articles/IAS2023_paper_Piriou.pdf

[4] Azzi, Sabrina, Nouvelle méthodologie de construction d’ontologies médicales : cas d’étude : diagnostic de la pneumonie. https://di.uqo.ca/id/eprint/1374/

Date de début de stage

Février/Mars 2025 pour 6 mois.

Source de financement

DATAIA

Localisation du stage de Master2

Laboratoire d’Informatique, BioInformatique, Systèmes Complexes (Université d’Évry –Paris Saclay)

Noms et coordonnées des porteurs de projet :

Yasmina SADI   IBISC/Évry  

Zaineb CHELLY DAGDIA DAVID/UVSQ

• Date de l’appel : 22/01/2025
• Statut de l’appel : Non pourvu
• Contacts cotés IBISC : Yasmina SADI (MCF Univ. Évry, IBISC équipe SIAM) , Zaineb CHELLY DAGDIA DAVID/UVSQ
• Sujet de stage niveau Master 2 (format PDF)
• Web équipe SIAM