Topic description
Ce projet de thèse porte sur l'étude de la qualité de l'air et des risques sanitaires associés aux particules atmosphériques, avec pour objectif le développement d'un outil d'aide à la décision basé sur l'intelligence artificielle (IA). Bien que les effets de la pollution de l'air sur la santé soient établis, des incertitudes subsistent quant au rôle précis des caractéristiques physico-chimiques des particules dans leur toxicité.
Le projet s'inscrit dans le cadre du programme IARISQ, qui vise à proposer une approche innovante et holistique de l'évaluation des risques sanitaires (ERS). Il repose sur deux axes principaux : l'analyse des effets sanitaires des particules en fonction de leurs propriétés physico-chimiques, et l'évaluation de l'exposition quotidienne des populations à la pollution atmosphérique. L'objectif final est de produire un outil prédictif performant, capable d'améliorer la gestion de la qualité de l'air et d'anticiper les épisodes de pollution, en complément des modèles existants.
Les travaux de thèse s'organisent autour de trois volets. Le premier consiste à constituer et enrichir une base de données (BD PC2) regroupant les caractéristiques physico-chimiques des particules et leurs effets toxicologiques (notamment stress oxydatif et inflammation), à partir de données expérimentales, bibliographiques et épidémiologiques. Ces données seront harmonisées et préparées pour leur exploitation par des modèles d'IA. Dans le 2ème volet, le/la doctorant(e)contriv-buera à l'évaluation et la validation de modèles d'IA capables de prédire les seuils de toxicité des particules selon leurs propriétés. Enfin, dans le cadre du 3ème volet, le/la doctorant(e) contribuera à modéliser l'évolution des caractéristiques physico-chimiques des particules en fonction des conditions environnementales (météorologie, trafic, émissions industrielles, etc.) et à évaluer le risque sanitaire potentiel associé.
Ce projet est mené en collaboration avec plusieurs partenaires complémentaires : un laboratoire en informatique spécialisé en IA et traitement de données (CRISATL), une équipe experte en environnement (LGCgE), et un observatoire régional de la qualité de l'air fournissant données et expertise en modélisation (ATMO HdF). Les résultats attendus permettront de mieux comprendre les mécanismes de toxicité des particules, d'améliorer les méthodes d'évaluation des risques et de soutenir des politiques publiques plus ciblées en matière de qualité de l'air, dans une perspective de protection de la santé et de l'environnement.
Le doctorant devra posséder des compétences en toxicologie et en santé environnementale, ainsi qu'un intérêt pour les approches interdisciplinaires et les outils de modélisation, notamment l'IA.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
This PhD project focuses on the study of air quality and the health risks associated with atmospheric particles, with the goal of developing an artificial intelligence (AI)-based decision-support tool. Although the health effects of air pollution are well established, uncertainties remain regarding the precise role of the physicochemical characteristics of particles in their toxicity.
The project is part of the IARISQ program, which aims to propose an innovative and holistic approach to health risk assessment (HRA). It is based on two main axes: the analysis of the health effects of particles according to their physicochemical properties, and the assessment of daily population exposure to air pollution. The ultimate objective is to produce a high-performing predictive tool capable of improving air quality management and anticipating pollution episodes, complementing existing models.
The PhD work is organized around three components. The first involves building and enriching a database (BD PC2) that compiles the physicochemical characteristics of particles and their toxicological effects (notably oxidative stress and inflammation), based on experimental, bibliographic, and epidemiological data. These data will be harmonized and prepared for use in AI models. In the second component, the PhD candidate will contribute to the evaluation and validation of AI models capable of predicting particle toxicity thresholds based on their properties. Finally, within the third component, the candidate will help model the evolution of particles' physicochemical characteristics under varying environmental conditions (weather, traffic, industrial emissions, etc.) and assess the associated potential health risks.
This project is conducted in collaboration with several complementary partners: a computer science laboratory specializing in AI and data processing (CRISTAL), a team of experts in environmental science (LGCgE), and a regional air quality observatory providing data and expertise in modeling (ATMO HdF). The expected outcomes will enhance understanding of the mechanisms underlying particle toxicity, improve risk assessment methods, and support more targeted public policies on air quality, with a view to protecting both health and the environment.
The PhD candidate should have skills in toxicology and environmental health, as well as an interest in interdisciplinary approaches and modeling tools, particularly AI.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
WEB :
Funding category
Other public funding
Funding further details
ANR Financement d'Agences de financement de la recherche
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.