Construction de scores d’encombrement bronchique de patients atteints de pathologies respiratoires par analyse statistique et IA

Période, durée

février-juillet 2025, 4 à 6 mois

Profil recherché

Étudiant(e) BAc+3 ou +4 en Analyse statistique et Machine Learning

Gratification

4,05€/h (standard)

Lieu

Annecy-le-vieux ; Maison de la mécatronique ; laboratoire Symme

Sujet

CONTEXTE :
Les pathologies respiratoires chroniques obstructives, telles que la Broncho-Pneumopathie Chronique Obstructive (BPCO), représentent un enjeu de santé publique majeur. Dans ce cadre, nous menons une étude clinique, nommée MUKROBS, lors de laquelle des données cliniques sont récoltées et des bruits respiratoires adventices enregistrés en différents sites de la cage thoracique de patients atteints de BPCO. L’objectif de cette étude est d’élaborer deux scores d’encombrement, l’un basé sur des indicateurs cliniques et l’autre sur des données obtenues grâce à un dispositif de mesure spécifiquement développé pour l’étude.
Lors de l’étude clinique, des milliers d’enregistrements acoustiques bruts de durée différente ont été recueillis sur un groupe pathologique et sur un groupe témoin, pour un effectif total de 60 sujets. Parmi ces données, nous cherchons à identifier et compter principalement 3 types de sons respiratoires pathologiques (craquement, sibilant, ronchis) de caractéristiques temporelles et fréquentielles différentes. Un travail préliminaire a déjà été effectué sur la reconnaissance par IA de ces sons, en vue de l’obtention d’indicateurs qui participeront à la construction du second score. Ce travail a soulevé différents verrous, notamment en ce qui concerne le pré-traitement des signaux mesurés.
MISSIONS :
Le stage proposé se déroulera selon deux axes distincts :
• Un premier axe concerne l’élaboration des scores cliniques à partir du traitement statistique des données enregistrées sur des patients, avant et après leur prise en charge médicale. L’analyse statistique sera menée en utilisant le logiciel d’analyse de données Ellistat. Ce logiciel intègre des fonctionnalités de machine learning, permettant de mettre en œuvre des modèles prédictifs et des algorithmes d’apprentissage.
• Un deuxième axe de travail consiste à consolider la démarche d’apprentissage mise en œuvre lors du travail précédent pour la reconnaissance des bruits par IA. Suivant l’avancement du projet, l’élaboration du modèle d’IA pourra être poursuivie.

Contacts

Merci d’envoyer vos relevés de note des deux dernières années et votre CV à :

Christine.Barthod
@univ-smb.fr

Equipe projet

Christine Barthod, enseignant-chercheur IUT Annecy / SYMME
Laurent Goujon, enseignant-chercheur IUT Annecy / SYMME