Stage Data Science - Intelligence Artificielle en Oncologie
Biolevate innove dans le domaine de l'oncologie en combinant intelligence artificielle et médecine personnalisée. Nous recherchons un talent passionné pour participer à notre mission d'innovation thérapeutique. ✨
Le projet OPTIMAL-AML
La leucémie aiguë myéloïde (LAM) représente un défi médical majeur avec un taux de survie à 5 ans inférieur à 30%. Face à cet enjeu, nous développons des solutions innovantes basées sur l'intelligence artificielle.
Notre projet OPTIMAL-AML transforme la prise en charge de la LAM grâce à une plateforme intégrée de pointe. Notre projet est de combiner l'analyse de données cliniques, génomiques et pharmacologiques pour :
- ✨ Personnalisation thérapeutique : Adaptation aux spécificités moléculaires de chaque patient (FLT3, NPM1, TP53)
- 🔬 Innovation thérapeutique : Identification de nouvelles synergies médicamenteuses
- 📊 Optimisation clinique : Priorisation des traitements par IA
Notre approche intégrée combine expertise multi-omique et intelligence artificielle pour améliorer significativement le pronostic des patients.
Vos missions
En tant que Data Scientist, vous participerez à un projet innovant alliant ML et médecine de précision :
- Data Engineering
- Structuration de données cliniques et pharmaceutiques complexes
- Développement de pipelines de données robustes
- Innovation ML
- Développement de modèles hybrides ML/LLM
- Conception d'architectures pour l'analyse multi-omique
- Applications du NLP biomédical
- Médecine personnalisée
- Modélisation prédictive de réponses thérapeutiques
- Identification de biomarqueurs via XAI
- Drug Discovery
- Algorithmes d'identification de molécules thérapeutiques
- Optimisation par apprentissage par renforcement
Profil recherché
Nous recherchons un candidat dynamique avec :
- 📚 Formation supérieure en data science, école d’ingénieur ou bioinformatique
- 💻 Expertise en programmation Python et data engineering (Pandas, NumPy)
- 🤖 Maîtrise des outils ML (TensorFlow, scikit-learn) - LLMs appréciés