Thèse Motion1 Biomarqueurs Multimodaux du Handicap Moteur Imagerie Cérébrale Intelligence Artificielle et Consultation Numérique dans les Maladies Neurologiques H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Electrical, Optical, Bio-physics and Engineering Laboratoire de recherche : Laboratoire d'Imagerie Biomédicale Multimodale Paris-Saclay Direction de la thèse : Myriam EDJLALI-GOUJON Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-31T23:59:59 Le handicap moteur constitue l'une des principales causes de perte d'autonomie dans les maladies neurologiques telles que l'accident vasculaire cérébral (AVC), la sclérose en plaques (SEP) et les maladies neurodégénératives. Son expression clinique résulte d'interactions complexes entre les lésions cérébrales, la neurodégénérescence, la déconnexion des réseaux neuronaux et les mécanismes de plasticité cérébrale. Les anomalies visibles en imagerie expliquent souvent imparfaitement la sévérité des déficits moteurs, illustrant le paradoxe clinico-radiologique décrit notamment dans la sclérose en plaques. Parallèlement, l'évaluation clinique du handicap repose encore largement sur des échelles peu sensibles aux modifications fines de la fonction motrice.Le projet MOTION fait l'hypothèse que la compréhension du handicap moteur nécessite l'intégration de trois niveaux complémentaires d'information : des biomarqueurs cérébraux issus de l'imagerie multimodale, des outils d'intelligence artificielle capables de les extraire de manière robuste et explicable, et des biomarqueurs fonctionnels obtenus grâce à une consultation numérique standardisée du mouvement.La première partie de la thèse s'inscrit dans le projet BPI France IAdopt, en partenariat avec Pixyl, dont l'objectif est d'améliorer la robustesse et l'explicabilité des outils d'intelligence artificielle appliqués à l'IRM cérébrale. Les travaux porteront sur la validation de la quantification automatisée de l'atrophie cérébrale par comparaison avec différentes méthodes de segmentation et de volumétrie, ainsi que sur sa validation clinique chez des patients atteints de maladies neurodégénératives bénéficiant d'examens hybrides TEP-IRM. Une cohorte longitudinale de sujets âgés sains, suivis par une IRM annuelle pendant dix ans, permettra de caractériser les trajectoires physiologiques du vieillissement cérébral. Une étude multicentrique chez des patients atteints de sclérose en plaques analysera également l'impact des différences de scanners et de protocoles d'acquisition sur les performances des algorithmes d'IA pour la détection de nouvelles lésions et proposera des stratégies d'harmonisation. Une part importante du travail reposera sur la segmentation des lésions et de l'atrophie ainsi que sur la comparaison de différentes méthodes de segmentation.La seconde partie de la thèse s'appuiera sur les cohortes du projet BrainSync (AVC) ainsi que sur des cohortes de patients atteints de sclérose en plaques. En collaboration avec l'Institut de Biomécanique Humaine Georges Charpak, une consultation numérique sera développée afin d'extraire des biomarqueurs objectifs du mouvement, notamment des indices de symétrie de la marche, des paramètres spatio-temporels de locomotion et des variables quantitatives décrivant les mouvements du membre supérieur (reach and grasp). Ces biomarqueurs seront corrélés aux caractéristiques des lésions cérébrales, aux mesures d'atrophie et aux données de connectivité afin d'identifier les déterminants anatomiques et fonctionnels du handicap moteur.Le projet exploitera des méthodes de traitement d'images médicales, d'intelligence artificielle, de morphométrie cérébrale, de statistiques avancées et d'analyse biomécanique. Il aboutira au développement d'une nouvelle génération de biomarqueurs multimodaux du handicap moteur, combinant imagerie cérébrale et consultation numérique, avec pour objectif d'améliorer la stratification des patients, le suivi longitudinal et la personnalisation des stratégies de rééducation. Le handicap moteur constitue l'une des principales causes de perte d'autonomie dans les maladies neurologiques, notamment après un accident vasculaire cérébral (AVC), au cours de la sclérose en plaques (SEP) ou des maladies neurodégénératives. Son expression clinique résulte d'interactions complexes entre les lésions cérébrales, la neurodégénérescence, la réorganisation des réseaux neuronaux et les mécanismes de plasticité cérébrale. Les anomalies visibles en imagerie expliquent souvent imparfaitement la sévérité du déficit moteur, illustrant le paradoxe clinico-radiologique décrit dans plusieurs pathologies neurologiques.Les progrès récents de l'imagerie multimodale et de l'intelligence artificielle permettent désormais d'extraire automatiquement des biomarqueurs cérébraux tels que les lésions, l'atrophie ou les indices de connectivité. Toutefois, leur utilisation en pratique clinique reste limitée par la variabilité des protocoles d'acquisition, des scanners et des méthodes de segmentation, qui affecte leur robustesse, leur reproductibilité et leur interprétabilité.Parallèlement, les nouvelles approches de consultation numérique offrent la possibilité de quantifier objectivement le handicap moteur grâce à l'analyse instrumentée de la marche, de la préhension et des performances motrices. Cependant, ces biomarqueurs numériques sont encore rarement intégrés aux biomarqueurs d'imagerie.Le projet MOTION vise à lever ce verrou en développant une approche intégrée associant neuroimagerie multimodale, intelligence artificielle et analyse numérique du mouvement afin de construire une nouvelle génération de biomarqueurs multimodaux du handicap moteur. Cette approche permettra de mieux comprendre les relations entre lésions cérébrales et performances motrices et contribuera au développement d'une médecine de précision dans les maladies neurologiques. L'objectif de la thèse est de développer des biomarqueurs multimodaux du handicap moteur en intégrant neuroimagerie, intelligence artificielle et consultation numérique du mouvement afin d'améliorer la compréhension, l'évaluation et le suivi des déficits moteurs dans les maladies neurologiques.Le premier objectif consistera à développer et valider des biomarqueurs d'imagerie robustes issus de l'IRM cérébrale dans le cadre du projet IAdopt, en évaluant les performances des outils d'intelligence artificielle pour la quantification de l'atrophie cérébrale et la détection des lésions, leur reproductibilité entre scanners et protocoles d'acquisition, ainsi que leur validation par comparaison avec d'autres méthodes de segmentation et avec des données TEP-IRM. Une cohorte longitudinale de sujets âgés sains permettra de caractériser les trajectoires physiologiques du vieillissement cérébral.Le second objectif sera de développer une consultation numérique permettant d'extraire des biomarqueurs quantitatifs du mouvement (marche, symétrie, reach and grasp) chez des patients atteints d'AVC ou de sclérose en plaques. Ces biomarqueurs seront intégrés aux données d'imagerie afin d'identifier les déterminants anatomiques et fonctionnels du handicap moteur et de développer des modèles multimodaux de médecine de précision. Le projet s'appuiera sur plusieurs cohortes de patients atteints de maladies neurodégénératives, de sclérose en plaques (SEP) et d'accident vasculaire cérébral (AVC), ainsi que sur une cohorte longitudinale de sujets âgés sains bénéficiant d'une IRM annuelle pendant dix ans. Les données exploitées comprendront des acquisitions IRM anatomiques (T1, FLAIR), des examens TEP-IRM, des données de diffusion et d'IRM fonctionnelle lorsque disponibles, ainsi que des données cliniques et fonctionnelles.Dans le cadre du projet IAdopt, les outils d'intelligence artificielle développés avec Pixyl seront évalués pour la quantification de l'atrophie cérébrale et la détection des lésions. Les segmentations automatiques seront comparées à d'autres méthodes de référence afin d'évaluer leur robustesse, leur reproductibilité et leur sensibilité aux différences de scanners, de constructeurs et de protocoles d'acquisition. Les biomarqueurs d'imagerie seront validés par confrontation aux données métaboliques issues de la TEP-IRM.En parallèle, une consultation numérique standardisée sera développée en collaboration avec l'Institut de Biomécanique Humaine Georges Charpak afin d'extraire des biomarqueurs quantitatifs du mouvement, notamment des indices de symétrie de la marche, des paramètres spatio-temporels de locomotion et des mesures de préhension (reach and grasp). Les analyses s'appuieront sur des méthodes de traitement d'images médicales, de morphométrie cérébrale, d'intelligence artificielle, d'analyse biomécanique et de modélisation statistique pour relier les biomarqueurs d'imagerie aux biomarqueurs numériques du handicap moteur.

Le candidat ou la candidate devra être titulaire d'un Master (ou équivalent) en neurosciences, imagerie biomédicale, intelligence artificielle, traitement d'images, ingénierie biomédicale ou science des données. Des compétences en programmation scientifique (Python), traitement d'images médicales et apprentissage automatique seront appréciées. Une expérience en neuroimagerie ou en analyse du mouvement constituera un atout.Le projet nécessite un intérêt marqué pour la recherche translationnelle et la capacité à évoluer dans un environnement multidisciplinaire réunissant cliniciens, chercheurs, ingénieurs et partenaires industriels.

• Statistiques
• Python
• Programmation
• Intelligence artificielle
• Biomécanique
• Traitement d'image
• Machine learning