Société Française de Bioinformatique

Mots-Clés

Bioinformatique analyse de données longitudinales oncologie apprentissage supervisé statistique

Description

Description
Les anticancéreux oraux (ATCO) sont de plus en plus utilisés en oncologie, avec un suivi majoritairement réalisé en ambulatoire. La dose-intensité relative (DIR) constitue un indicateur clé du respect du schéma thérapeutique prescrit et reflète à la fois la tolérance, l’adhérence et les adaptations cliniques du traitement.
Dans le cadre de la cohorte PACOME (PAtient Cancer Oral MEdication), des trajectoires longitudinales de DIR sont disponibles pour plusieurs centaines de patients, offrant l’opportunité d’analyser les parcours thérapeutiques dans leur dynamique temporelle.
L’objectif principal du stage est d’explorer les trajectoires longitudinales de DIR et d’identifier, à l’aide de méthodes d’apprentissage supervisé, des facteurs prédictifs du devenir thérapeutique des patients, défini comme un succès (poursuite du traitement avec contrôle du cancer et/ou rémission) ou un échec (arrêt précoce du traitement pour toxicités, progression, ou décès).
Le ou la stagiaire travaillera sur des données longitudinales comprenant la DIR journalière, les caractéristiques des patients, les traitements, ainsi que d’autres variables cliniques.

Étapes du projet
- Prise en main et compréhension des données de la cohorte PACOME
- Exploration et description des trajectoires thérapeutiques
- Mise en œuvre des méthodes d’analyses de données longitudinales et d’apprentissage supervisé
- Identification et évaluation de variables prédictives du devenir thérapeutique

Encadrement et environnement
Durée : 6 mois (mars-août 2026, flexible)
Deux sites possibles : Hôpital Lyon sud et le CRCL à Grange-Blanche.
Le stage sera réalisé en co-encadrement entre les Hospices Civils de Lyon (HCL), sous la supervision du Dr Anissa Guillemin (données cliniques), et le Centre de Recherche en Cancérologie de Lyon (CRCL), sous la supervision du Dr Elsa Guillot (biologie computationnelle).

Profil recherché
- Étudiant/étudiante en M2 de bioinformatique, data science ou modélisation
- Bonnes bases en programmation (Python)
- Rigueur scientifique et autonomie
- Intérêt pour l’analyse de données longitudinales, le Machine Learning et les applications en oncologie