Développement d’un assistant médical multimodal basé sur l’IA pour l’aide au diagnostic à partir d’images radiologiques et de données cliniques.

Développement d’un assistant médical multimodal basé sur l’IA pour l’aide au diagnostic à partir d’images radiologiques et de données cliniques.

Data Science & Intelligence Artificielle

L'objectif de ce sujet est de concevoir un système d'aide à la décision médicale capable de fusionner des données multimodales hétérogènes : imagerie médicale (radiographies pulmonaires, scanners CT, IRM) et rapports cliniques textuels non structurés. Grâce à des architectures de fusion précoce et tardive (Vision Transformers + BioBERT/LLMs médicaux) et à des modules d'explicabilité (XAI), l'assistant guidera les praticiens dans le diagnostic différentiel précoce tout en expliquant les motifs de ses prédictions.

Élève Ingénieur / Master en IA, Data Science, Bio-informatique ou Génie Logiciel

• Mettre en place une chaîne de traitement d'images radiologiques (DICOM) et de dossiers médicaux textuels (EHR). • Développer une architecture d'apprentissage profond multimodal (ViT, ResNet + BioBERT / Med-PaLM) pour la classification et la détection d'anomalies. • Intégrer des mécanismes d'explicabilité visuelle (Grad-CAM) et textuelle (attribution de tokens) pour garantir la confiance clinique. • Concevoir une interface utilisateur ergonomique et conforme aux normes de confidentialité des données médicales.

Multimodal Deep Learning, Vision Transformers (ViT), BioBERT, MONAI, PyTorch, FastAPI, React/Vue.js, Grad-CAM

1. Architecture neuronale multimodale entraînée et évaluée sur des benchmarks médicaux reconnus.
2. Module d'IA explicable (visualisation des zones lésionnelles et justification textuelle).
3. Prototype web interactif d'assistance médicale pour radiologues et cliniciens.
4. Mémoire de PFE rigoureux détaillant la validation clinique et méthodologique.

Fiche du sujet : https://drettousyjamal.com/pfe/developpement-dun-assistant-medical-multimodal-base-sur-lia-pour-laide-au-dia

Candidature : https://intern.yanecode.com/apply