Titre du projet de recherche
GAI-ORKG : Generative AI for Oncology Research with Knowledge Graphs / Intelligence Artificielle Générative pour la Recherche en Oncologie avec Graphe de Connaissances (Stage post-doctoral)
niveau d'étude
Stage post-doctoral
Directeur/codirecteur
Directeur : Amal Zouaq
Fin de l'affichage
19 juillet 2025
Domaines d'expertise
Unité(s) et département(s)
Département de génie informatique et génie logiciel
LAMA-WeST (Web, Sémantique et Texte)
Conditions
La laboratoire LAMA-WeST (http://www.labowest.ca/) est en phase de recrutement d'un.e post-doctoratant.e.
Le ou la candidat.e. retenu.e. collaborera avec l'équipe LAMA-WeST, avec le laboratoire LAMA-WeST au MILA ainsi qu'avec notre équipe à McGill.
Le candidat ou la candidate au post-doctorat doit détenir un doctorat en traitement automatique des langues / apprentissage machine et Web sémantique (création d’ontologies, bases de connaissances, etc). Il ou elle doit avoir une connaissance approfondie de la programmation Python. Une expérience dans le domaine de l’IA et de la santé est un plus.
Le ou la candidat.e. retenu.e devra être passionné.e. par la recherche en IA et contribuer à la méthodologie du projet, à l’implémentation de certains modèles, à la supervision d’étudiants au doctorat et à la maîtrise, et à la rédaction d’articles. Des qualités de leadership, de communication orale et écrite sont également requises. Veuillez envoyer à amal.zouaq@polymtl.ca un CV, un relevé de notes, ainsi qu’une lettre motivant comment votre expérience passée peut contribuer à ce projet. Veuillez indiquer dans le sujet du message : Postdoc - GAI-ORKG : Generative AI for Oncology Research with Knowledge Graph.
Description détaillée
Au cours des deux dernières décennies, les soins de santé sont passés d'une réalité sur papier à une réalité numérique et il existe désormais une mine de données de santé numériques. Simultanément, l’essor de l'intelligence artificielle a contribué à des avancées dans de nombreux domaines de la société. . Toutefois, la nature non structurée et cloisonnée d'un grand nombre de données sur la santé signifie que ces développements parallèles ont à peine convergé et que les avantages de l'IA dans les soins de santé restent, à ce jour, peu concrétisés. Cela est particulièrement vrai dans les soins contre le cancer. Pour de nombreux patients atteints de cancer, des informations importantes sont enfouies dans des notes cliniques dans des parties disparates de leur dossier de santé électronique. De même, des informations utiles, qui pourraient contribuer à la recherche sur le cancer alimentée par l'IA, sont dans des silos inaccessibles aux chercheurs. Une solution pour combiner, consolider et exploiter les données de santé non structurées est nécessaire.
Pour atteindre cet objectif, l'équipe de recherche s'appuiera sur les normes modernes en matière de données de santé pour créer / apprendre une base de connaissances sur les patients atteints de cancer (c'est-à-dire un dossier entièrement structuré pour chaque patient) à partir de données structurées et non structurées dans les dossiers de santé électroniques. Nous étudierons comment les architectures neuronales, les modèles de langage pré-entraînés et les graphes de connaissances peuvent être utilisés pour extraire une telle base de connaissances et fournir des informations pertinentes aux spécialistes grâce à des approches de génération en langage naturel.
Professeur(e)s impliqué(e)s dans le projet
Polytechnique Montréal : Amal Zouaq
McGill : John Kildea
Possibilité de financement
Financement disponible.
Amal Zouaq
Professeure titulaire
