Thèse Conception Assistée par Intelligence Artificielle de Nanoparticules Radio-Amplificatrices pour une Radiothérapie Personnalisée H/F

Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Chimie École doctorale : Sciences Chimiques : Molécules, Matériaux, Instrumentation et Biosystèmes Laboratoire de recherche : Institut des Sciences Moléculaires d'Orsay Direction de la thèse : Sandrine LACOMBE ORCID 0000000333349201 Début de la thèse : 2027-01-01 Date limite de candidature : 2026-06-15T23:59:59 La radiothérapie constitue l'un des principaux traitements contre le cancer, mais son efficacité reste limitée par les toxicités induites sur les tissus sains et par l'hétérogénéité des réponses tumorales. L'objectif de cette thèse est de développer des approches d'intelligence artificielle (IA) et de machine learning afin d'optimiser la conception de nanoparticules radio-amplificatrices destinées à améliorer l'efficacité de la radiothérapie tout en limitant ses effets secondaires.

Le doctorant participera à la construction et à l'analyse d'une base de données multiparamétrique intégrant les propriétés physicochimiques des nanoparticules (taille, forme, composition, chimie de surface), les conditions d'irradiation et les réponses biologiques issues de la littérature et de données expérimentales. Des modèles de machine learning seront ensuite développés afin d'identifier les paramètres les plus prédictifs de l'efficacité thérapeutique et de la toxicité.

Le projet combinera nanosciences, science des données, physique des rayonnements et biologie du cancer. Selon l'avancement du projet, certaines formulations de nanoparticules pourront également être évaluées expérimentalement en collaboration avec des laboratoires partenaires.

Ce projet interdisciplinaire permettra d'acquérir des compétences en intelligence artificielle, nanomédecine, recherche contre le cancer et analyse de données, et contribuera au développement de nouvelles stratégies de radiothérapie de précision.


Radiotherapy is one of the main treatments used against cancer, but its efficacy is often limited by toxicity to surrounding healthy tissues and heterogeneous tumor responses. Addition of theranostic nanoparticles enhances the effect of radiation at the tumor. To rapidly engineer best design with best properties, a predictive tool is needed. develop artificial intelligence (AI) and machine learning approaches to optimize the design of radio-enhancing nanoparticles intended to improve radiotherapy efficacy while limiting side effects.