Daniel RACOCEANU

Professeur à Sorbonne Université, et PI de l’équipe INRIA - ARAMIS de l’Institut du Cerveau (CNRS UMR 7225 – Inserm U 1127), il effectue ces enseignements dans le domaine de l’analyse d’images médicales, reconnaissance de formes et apprentissage automatique (incluant l’apprentissage profond), en focalisant ces recherches dans le domaine de l’anatomopathologie numé-rique intégrative, et notamment sur la création de nouveaux paradigmes et protocoles et technologies pour la gradation et le pronostic en histopathologie, aux frontières entre l’imagerie et les omics.

Exploration Sémantique et Compréhension des grandes bases d’Images Microscopiques à Haut-Contenu. Histopathologie intégrative computationnelle.
Ces travaux portent sur la compréhension, l'analyse, la modélisation et la simulation du microenvironnement tumoral, en utilisant comme référence, les images de lame virtuelle issues de l'histopathologie (anatomopathologie numérique).
En comprenant et en modélisant les éléments indexés par les anatomopathologues lors de l’analyse de l'hétérogénéité intra-tumorale, nous sommes actuellement en mesure de construire des modèles mathématiques capables de fournir une quantification locale et spatiale des processus, permettant une approche holistique du paysage anatomopathologique.
Dans les cancers, l'objectif est de corréler et de consolider la signature phénotypique avec une signature omics (anatomopathologie computationnelle intégrative), au sein du processus de genèse tumorale. Les outils étudiés, développés et utilisés dans ces recherches sont la morphologie mathématique sur ensemble éparses (complexes simpliciaux), les modèles stochastiques scalables (processus ponctuels markoviens), la sémantique biomédicale et l’apprentissage profond.
Ce qui me préoccupe sur le plan méthodologique, c’est la combinaison de ces outils (génératifs - discriminatifs), dans une démarche globale traçable et explicable, capable de créer une rupture et une accélération de l’adoption des outils DL dans le domaine biomédical. Ces travaux ont donné lieu à un projet financé par AVIESAN - ITMO Cancer, intitulé MALMO (Mathematical Approaches to Modelling Metabolic Plasticity and Heterogeneity in Melanoma) dédié aux approches mathématiques de la modélisation de la plasticité et de l'hétérogénéité métaboliques dans le mélanome.
Par ailleurs, autour de ces compétences dans le domaine de l’histopathologie computationnelle, un volet récent de ces travaux au sein de l’Institut de Cerveau, concerne la corrélation entre les protéines Tau (neurites, enchevêtrements et plaques - connus pour faire partie des symptômes de la maladie d'Alzheimer) observés au niveau microscopique, dans la matière grise, et la stratification des patients atteints de la maladie d’Alzheimer. Un projet BBT (Big Brain Theory) intitulé STRATIFIAD (Refining Alzheimer Disease Patients’ stratification using interpretable AI) a été financé, dans un cadre compétitif, autour de ces sujets, pour une durée de 2 ans (2021-2023).