Biostatistics & Data Science

Nous sommes un groupe pharmaceutique à dimension humaine, international et indépendant, gouverné par une Fondation. Notre modèle, singulier, fait notre fierté mais, surtout, nous permet de servir pleinement notre vocation : « Engagés pour le progrès thérapeutique au bénéfice des patients ».

Aujourd’hui leader mondial en cardiologie, nous avons choisi de devenir un acteur focalisé et innovant en oncologie d’ici 2030, en ciblant des cancers difficiles à traiter et en y consacrant plus de 70 % de notre budget R&D. Un défi que nous poursuivons en parallèle du développement de notre activité générique pour un accès à des soins de qualité pour tous, et à moindre coût.

Nous ? 22 000 passionnés de plus de 50 nationalités, portés par un esprit d’entreprenariat. Chaque jour nous avançons avec et pour les patients, avec et pour nos équipes, portés par l’envie de prendre soin, d’oser, de nous développer, de nous engager pour être utiles à celles et ceux qui en ont besoin.

Venez vivre et contribuez à faire vivre notre engagement #MovedByYou
www.servier.com

Patients virtuels et modèles QSP pour identifier des biomarqueurs prédictifs de la réponse au traitement.

Votre mission :

La médecine de précision vise à identifier les patients les plus susceptibles de répondre à un traitement. Cela nécessite de détecter le plus tôt possible des biomarqueurs prédictifs de la réponse, idéalement avant les études cliniques. À ce stade du développement, les données disponibles chez les patients sont encore limitées. Les patients virtuels constituent donc une approche prometteuse pour explorer ces biomarqueurs.

Ces patients virtuels peuvent être générés à partir de modèles QSP (Quantitative Systems Pharmacology), qui représentent les mécanismes de la maladie et le mode d’action du traitement. Déjà utilisés pour accompagner le développement des médicaments, notamment le choix des doses, ces modèles pourraient également aider à identifier les caractéristiques des patients associées à une meilleure réponse au traitement.

Au cours de ce stage, vous contribuerez à deux objectifs :

1- Améliorer l’identification de biomarqueurs prédictifs en combinant des méthodes de machine learning et des approches fondées sur les mécanismes biologiques.

2- Évaluer et améliorer la génération de patients virtuels afin d’obtenir des populations biologiquement plausibles, représentatives de la diversité des patients et préservant les relations entre les différentes caractéristiques biologiques.

Vous serez amené(e) à analyser des données simulées, à comparer différentes méthodes et à évaluer leur capacité à identifier des biomarqueurs pertinents pour la réponse au traitement.