Qui sommes nous?

MedicusClinic Société américaine dont le siège social est situé à 651 N Broad St, Suite 206, in the city of Middletown, zip code 19709, and county of New Castle, USA. Immatriculée au ministère de justice américaine sous le Numéro d’identification fiscale 30-12418000, fondée depuis 2019, spécialisée dans la recherche et la production des services de la médecine électronique intelligente. Actuellement, DoctorSina est son nouveau‐né. Il s’agit d’une plateforme qui assure et facilite le diagnostic médical en ligne en prenant en charge le diagnostic complet des patients sur une base d’informations préalablement stockées dans un propre Cloud et s’appuyant sur les principes de l’intelligence artificielle pour retourner des résultats fiables.

Le secteur de la santé présente aujourd’hui de nombreux enjeux : risques pandémiques, vieillissement de la population, accès à la santé inégal pour tous, décalage entre l’offre et la demande et problématiques humanitaires. Le diagnostic médical peut être très difficile dans certaines situations. Le professionnel de santé peut alors se retrouver face à des problèmes qui engendrent un retard ou un mauvais diagnostic. Le parcours médical d’un patient pour consulter un médecin s’avère trop souvent long et fastidieux suite à la complexité de gestions des rendez‐vous, au non disponibilité des médecins et à la difficulté du suivi de dossier. Les établissements de santé stockent et traitent de très gros volumes de données en particulier de données cliniques : résultats patients, données des essais cliniques, données génétiques, données biocliniques, données pathologiques, prescriptions de pharmacie, résultats de laboratoires et données médicales de toute sorte, ce qui engendre une mauvaise gestion et la perte d’information. Par conséquent un domaine assez puissant, ne peut pas se baser sur une gestion manuelle qui est difficile voire impossible. L’analyse des données médicales à l’aide de l’apprentissage automatique peut aider à améliorer la qualité des services de santé, à analyser rapidement les rapports médicaux et à automatiser les tâches.

Non seulement nous fait gagner du temps, mais aussi de l’argent. Les résultats de l’analyse fiable et exacte nous fourniront également des renseignements concrets qui aideront les spécialistes à prendre les bonnes décisions au bon moment.

Environnement technique

• ●      Python 3.7
• ●      Django 2.1.15
• ●      Angular 11
• ●      Django Rest Framework 3.11.0
• ●      Database : MySQL + Fileing
• ●      Dashboard : Bootstrap / Power BI.
• ●      DevOps : Git / Gitlab CI/CD.

Stagiaire

• • ●      Niveau : BAC +5 (ingénieur/Mastère).
  • ●      Niveau : BAC +3 (License).
  • ●      Nombre de poste : 1 ou 2 stagiaires.
  • ●      Durée de stage : 6 mois.
  • ●      Début de stage : entre 01/02/2023 et 15/02/2023
• Dans ce cadre MedicusClinic propose les projets de fin des études suivant :

 PFE-1 : Détection et classement des maladies en utilisant des modèles multimodaux.

Actuellement, notre modèle est basé sur l’arbre décisionnelle, alors que nous souhaitons une qualité de précision et une rapidité maximale, c’est pourquoi nous visons implémenter un modale multimodale pour détecter plusieurs maladies depuis des sources de données hétérogènes. Le diagnostic et la classification des données multimodales (larges) permet de trouver des relations complexes dans les données (deep). Par exemple, prédire la présence d’une maladie sur la base d’images médicale, de données tabulaires (par exemple, rythme cardiaque, la tension HTA. etc.) et de données textuelles (par exemple, une description détaillée). Avec ce nouveau modèle, nous serons capables de rassembler tous ces types de données disparates dans un seul modèle d’apprentissage en profondeur.

Exemple :https://medium.com/@rajistics/learn-to-use-the-widedeep-pytorch-framework-5b4b9463f30

PFE-2 : Chabot via NLP.

Actuellement, DoctorSina dispose d’un chabot construit sur l’arbre décisionnelle, alors que nous souhaitons qu’il bénéficie des avantages du traitement du langage naturel (NLP). En fait, Le nouveau chabot doit utiliser des algorithmes de traitement de langage naturel pour prédire du texte en fonction d’un mot ou d’une phrase que le patient lui soumettra. Lorsqu’un patient lui fournit un « texte » ou autre type de données en entrée, le modèle va analyser cet input et utiliser ses connaissances préalablement acquises pour générer du contenu unique en réponse.

Le nouveau chabot utilise des techniques de machine Learning pour améliorer sa prédiction en fonction des données d’entraînement qu’il a reçues. Ainsi, plus le modèle doit être entraîné sur un (grand) corpus de textes, plus il sera capable de générer du texte de manière autonome et cohérente. C’est le principe même de l’Intelligence Artificielle : Travailler sur des données déjà existantes.

PFE-3 : construction d’une application mobile et une solution web.

L’ensemble des services de DoctorSina proposés aux clientèles seront via un chat bot vocal en multilingue qui permet aussi via les smartphones ou un site web (www.doctorsina.net) de collecter d’une manière continue les données biométriques du patient.  Ce chat bot est de grande importance pour l’alimentation des données du patient et la prédiction des éventuelles maladies qui peut y attrapées. Ces données sont utilisées par la suite pour rendre l’application plus intelligente grâce aux algorithmes d’intelligences artificielles.

Votre tâche sera de d’intégrer les modules existants et de développer les modules manquants de la solution web (www.doctorsina.net) et une solution mobile de la plate-forme DoctorSina. En prenant compte de :

• • Un chabot vocal et textuel multilingue.
  • Back Office.
  • Front Office.
  • Chart graphique.

PFE-4 : Méthode intelligente pour l’identification des personnes, émotions et psychologie.

DoctorSina contient une composante qui concerne la détection et la reconnaissance de personne à travers l’acquisition d’images à partir d’une caméra. Le but de ce projet est la proposition et la réalisation d’un système de détection faciale à base des algorithmes intelligents comme CNN, DNN, …

 Aussi, DoctorSina doit permettre la classification des grimaces du visage humaine et analyse des sentiments avec une grande précision revêtent une grande importance dans les systèmes médicaux intelligents à travers l’acquisition d’images à partir d’une caméra. Afin de parvenir à une classification intelligente de la psychologie des patients.

PFE-5 : DevOps – Mise en place d’un pipeline CI/CD

Dans notre travail, nous gérons un grand nombre de projets développement Web dont certains impliquent le développement de codes. Réaliser ces projets est un vrai défi car les consultants y contribuent durant des missions courtes et parfois très courtes. Comment faire progresser un projet de développement avec un aussi gros challenge ?

Nous pensons que mettre en place un pipeline d’intégration continue/déploiement continu (CI/CD) pour simplifier l’intégration et le test des codes est la solution.

L’objectif du stage sera donc de mettre en place un pipeline de CI/CD et de réaliser des playbooks Ansible qui permettront le déploiement du pipeline pour la survie du projet. Tu seras donc amené à :

• • Intégrer un travail de Data Lake déjà réaliser dans le projet.
  • Scripter les modules Ansible permettant de déployer le pipeline.
  • Documenter ton travail.
  • Participer au choix et proposer certaines des différentes briques technologiques pour construire le pipeline CI / CD.

Comment postuler ?

• Vous êtes intéressé par un sujet PFE chez MedicusClinic, comment postuler ?
• Parmi la liste de sujets présents dans le catalogue, vous devez choisir un seul sujet qui vous intéresse le plus.
• Prière de transmettre votre candidature (CV + Lettre de motivation).
• Notre adresse email :