Narimane, quel poste occupez-vous à Liryc ?
Je suis doctorante à l’université de Bordeaux, rattachée à l’équipe CARMEN de l’INRIA et à Liryc dans l’équipe de modélisation.
Quand avez-vous rejoint l’institut ?
J’ai rejoint Liryc le 1er septembre 2020 lorsque j’ai commencé ma thèse en mathématiques appliquées à la cardiologie.
Pourriez-vous nous en dire plus sur votre parcours ?
J’ai poursuivi toutes mes études en Tunisie en commençant par une prépa maths/physique puis j’ai rejoint l’école d’ingénieur de Tunis en mathématiques appliquées avec l’option modélisation, optimisation et calcul scientifique. Lors de ma dernière année, j’ai décroché un stage de fin d’études à l’INRIA Bordeaux Sud-Ouest dont l’équipe est détachée sur des travaux de recherche de Liryc, puis j’ai enchaîné avec la thèse.
En quoi consiste votre poste à Liryc ?
Mon travail de thèse vise à développer de nouvelles méthodes de diagnostic et de pronostic de l'arythmie auriculaire.
A Liryc, mes travaux de recherche portent sur le développement de modèles mathématiques alternatifs pour décrire l’activité électrique du cœur, avec une approche plus simplifiée. Leur simplification et le temps de calcul réduit permettront une application à des cas cliniques concrets.
On travaille aussi sur la résolution de ce que l’on appelle les problèmes inverses en électrocardiographie. On reconstruit les mécanismes cardiaques à partir de données non invasives prises à la surface du torse.
Selon vous, quel est le principal enjeu de vos travaux de recherche ?
Tout le travail de modélisation consiste à comprendre ce qu’il se passe dans le cœur dans l’idée d’avoir un résultat final applicable en clinique, un bénéfice sur la prise en charge des patients.
Vous avez remporté la 1ère place du Machine Learning Challenge, pouvez-vous nous en dire plus sur le challenge ?
Ce challenge coordonné par le Professeur Rémi Dubois à Liryc avec les équipes de stimulation cardiaque du CHU de Bordeaux consistait à proposer un modèle Machine Learning ou Deep Learning qui arrive à prédire à partir des enregistrements des prothèses cardiaques implantables, si les signaux enregistrés sont pertinents. Il faut savoir que différents bruits, comme l’activité musculaire extracardiaque ou les interférences dues aux appareils électriques peuvent modifier la courbe d’un ECG et perturber ainsi la qualité de la surveillance cardiaque. Le but de ce projet est donc d’améliorer la surveillance à distance des pacemakers et défibrillateurs implantables, grâce à un algorithme d’intelligence artificielle, pour optimiser la prise en charge des patients en aidant les équipes médicales à se concentrer uniquement sur les signaux importants.
Qu’a représenté pour vous ainsi que dans vos travaux de recherche la participation au challenge ?
Le Machine Learning Challenge a été le tout premier challenge de ma thèse. Jusque-là je travaillais sur des modèles qui décrivaient l’activité électrique du cœur à partir d’équations mathématiques et de l’informatique. C’était la première fois que je travaillais avec de vraies données cliniques anonymisées.
C’est une vraie aubaine pour moi ! Je suis passionnée par les mathématiques et j’ai toujours rêvé de les appliquer en médecine pour pouvoir faire une différence dans la prise en charge et la vie des patients !
Après ma thèse, je voudrais continuer à travailler en recherche en tant qu’ingénieur R&D.
Quels conseils donneriez-vous aux jeunes générations qui souhaiteraient se tourner vers la recherche ?
En recherche il faut être patient et persévérant. Souvent on se lance dans une direction sans être sûr du résultat mais c’est le cheminement qui est intéressant : comprendre pourquoi les choses fonctionnent ou non ; prendre du recul sur ce qu’il se passe, c’est comme ça qu’on apprend.
Que signifie être une femme dans la recherche ?
C’est un grand sujet. Les femmes ne sont pas aussi présentes que les hommes dans les STEM (science, technologie, ingénierie et mathématiques), mais je suis heureuse de constater que cela est en train de changer.
J'ai la chance d'avoir grandi dans une société où les femmes sont médecins, scientifiques et ingénieurs, donc je suis convaincue que les femmes pouvaient être ce qu'elles voulaient être.
Les stéréotypes changent lorsque nous obtenons de nouvelles observations !
Nous devrions parler de plus en plus des femmes qui réussissent afin de briser ces stéréotypes.
Quelle est votre plus grande fierté ?
Ma plus grande fierté, ou plutôt mon projet pour le futur, serait de contribuer à ce que nos travaux de recherche actuels servent directement à l’amélioration de la qualité de vie des patients.
Et sinon, quelle était votre matière préférée à l’école quand vous étiez petite ?
C’était les mathématiques ! Depuis toute petite j’aimais le calcul mental.