Département Sciences et Technologies pour la Santé

La santé représente aujourd’hui un enjeu sociétal majeur, au cœur des priorités publiques et de l’innovation technologique. Le développement d’outils diagnostiques et thérapeutiques performants, sûrs et accessibles constitue un défi essentiel pour améliorer la qualité et la sécurité des soins, tout en répondant au vieillissement de la population et à la montée des maladies chroniques.

Le marché mondial de la santé numérique connaît une croissance rapide, estimée à plus de 300 milliards d’euros en 2025, avec un taux de croissance annuel estimé à 20% pour les 10 prochaines années (source). La demande est particulièrement forte dans les domaines de l’imagerie médicale, des dispositifs connectés et des biocapteurs, où les innovations permettent de détecter et traiter les pathologies plus tôt et de manière plus personnalisée. Ce contexte crée un besoin urgent d’ingénieurs spécialisés, capables d’intégrer les dernières technologies dans des solutions concrètes et sûres pour les patients.

Le diplôme TI-Santé, pionnier en France, répond à ces besoins en formant des ingénieurs capables de concevoir des solutions innovantes au service du patient. Il s’agit de maîtriser un large spectre de compétences — de la physique aux sciences du vivant — afin de développer des technologies médicales avancées : dispositifs d’imagerie, biocapteurs, systèmes de mesure physiologique, traitement d’images médicales, robotique chirurgicale et modélisation numérique du corps humain.

Ces enseignements permettent aux futurs ingénieurs de devenir des acteurs clés de l’innovation biomédicale, capables d’imaginer les technologies de demain pour une médecine plus précise, prédictive et personnalisée.

La formation s’étend sur trois ans et vise à former des ingénieurs capables de concevoir, développer et intégrer des technologies innovantes au service de la santé. Les deux premières années constituent un tronc commun, tandis que la troisième année offre des unités d’enseignement d’approfondissement sur différents sujets à la pointe de l’innovation en matière de sciences de l’ingénieur appliquées à la santé. Durant ces trois années, des visites d’entreprises sont organisées pour découvrir des acteurs importants de la santé et réseauter !

En première année, les étudiants acquièrent les bases fondamentales en physique, mathématiques, informatique et sciences de l’ingénieur, mais aussi les bases nécessaires à la compréhension des problématiques liées à la santé (biologie, anatomie, physiologie, etc.).

La deuxième année consolide ces compétences à travers des enseignements d’ingénierie appliqués directement à la santé, tels que l’imagerie biomédicale, la biomécanique, la physique des capteurs et des biocapteurs, la robotique et le traitement des signaux biomédicaux, etc. Elle inclut également un projet ingénieur mené en équipe représentant un investissement de 150 heures par étudiant sur des thématiques proposées par des industriels du domaine. La deuxième année se termine par un stage de xxx mois, en laboratoire ou en entreprise.

En troisième année, les étudiants orientent leur parcours selon leurs intérêts et leur projet professionnel via des cours électifs (un choix de trois parmi six unités d’enseignement d’approfondissement décrites ci-dessous). En parallèle, ils réalisent un projet de recherche au sein d’un laboratoire partenaire, sur des sujets à la pointe de l’innovation technologique et scientifique dans le domaine des sciences de l’ingénieur appliquées au vivant. La troisième année se termine par le projet de fin d’études, en laboratoire ou en entreprise, pour une durée d’un semestre.

En parallèle du diplôme d’ingénieur, les étudiants ont la possibilité de suivre le parcours HealthTech du Master Imagerie, Robotique, Ingénierie pour le Vivant (IRIV).

Ce module vise à enseigner les concepts avancés dans le domaine du fonctionnement et des usages des modalités d’imagerie médicale, ainsi que dans celui du traitement des images qui en résultent. Nous aborderons notamment l’usage avancé de l’Imagerie par Résonance Magnétique, y compris d’un point de vue clinique (IRM fonctionnelle, IRM quantitative, imagerie de phase et élastographie…), ainsi que l’acoustique biomédicale avancée via des travaux pratiques en thérapies ultrasonores guidées par l’image. A l'issue de cet enseignement, les étudiant(e)s auront également appris à analyser et à mettre en œuvre des méthodes avancées permettant la résolution de certains problèmes de traitement d’images médicales spécifiques à certaines modalités d’imagerie clinique (IRM de diffusion, IRM fonctionnelle, élastographie) et pour certaines applications en R&D (imagerie préclinique).

L’objectif de cette unité d’enseignement est d’approfondir les notions liées à la conception des laboratoires sur puce et à leurs applications. Un laboratoire sur puce est un dispositif miniaturisé qui intègre, sur un seul support, les fonctions essentielles d’un laboratoire traditionnel (telles que le mélange, la séparation ou l’analyse de fluides), tout en utilisant de très faibles volumes d’échantillons et de réactifs. Des concepts avancés de microfluidique, au coeur de ces dispositifs, seront étudiés. En particulier, les étudiants seront formés à l’utilisation d’un logiciel de simulation dédié à la microfluidique, à leur réalisation pratique et à leur caractérisation. Sur le plan des applications, l’accent sera mis sur la microfluidique digitale, qui consiste à manipuler individuellement des gouttelettes pour réaliser des opérations de laboratoire de manière flexible et automatisée, ainsi que sur les organes sur puce, des dispositifs microfluidiques reproduisant les fonctions d’organes humains pour la recherche biomédicale, notamment en pharmacologie ou en toxicologie.

L’objectif de cette unité d’enseignement est d’approfondir certaines technologies de mesure des signaux biologiques et physiologiques en combinant une approche théorique et expérimentale. Deux technologies seront particulièrement étudiées : la plasmonique, qui exploite les oscillations des électrons à la surface d’un métal lorsqu’il est excité par la lumière, permettant de détecter des variations infimes de l’environnement proche, notamment en biocapteurs, et la spectroscopie d’impédance, qui consiste quant à elle à mesurer la réponse électrique d’un échantillon à différentes fréquence afin de caractériser ses propriétés structurelles ou cellulaires. La plupart du temps, la mesure nécessite un prétraitement de l’échantillon biologique, qui peut être réalisé à l’aide de nanoparticules ou de surfaces fonctionnalisées, c’est-à-dire modifiées chimiquement pour capter sélectivement les molécules ou les cellules d’intérêt. Ces deux notions, essentielles à la mise en œuvre de biocapteurs performants, feront également l’objet d’un approfondissement au sein de cette UE.

Le cours Traitement d’images par Intelligence Artificielle offre une introduction approfondie aux approches modernes de vision par ordinateur fondées sur l’apprentissage profond. Après une revue des bases de l’apprentissage profond et des réseaux de neurones convolutionnels, il présente les architectures de référence et les méthodes d'entraînement utilisées dans des applications couramment implémentées dans les systèmes de vision artificielle, telles que la détection d’objets, la segmentation d’images, l’estimation de la pose humaine ou encore la reconnaissance d’activités.

Dans un second temps, le cours examinera les modèles de type Transformer, les mécanismes d’attention et leurs applications à l’analyse d’images, ainsi qu’aux tâches multimodales combinant vision et langage. Les grands modèles de vision et de langage — notamment les modèles multimodaux et fondation — seront présentés, ainsi que les techniques permettant de les adapter efficacement à des tâches spécialisées.

Le cours abordera également les approches auto-supervisées et faiblement supervisées, qui jouent un rôle clé dans l’apprentissage à partir de données limitées. D’autres familles de modèles, telles que les réseaux de convolution en graphes, seront étudiées, de même que des méthodes avancées pour l’interprétation, la visualisation et l’analyse de la robustesse et de la sécurité des modèles.

Enfin, les différents aspects de l’évaluation des modèles seront discutés, et l’ensemble des concepts sera illustré au travers d’exemples concrets et d’applications pratiques.

Cet enseignement porte sur la modélisation numérique de tissus biologiques et de segments anatomiques, ceci au moyen de la méthode des éléments finis. Il s’agit de représenter divers éléments constitutifs du vivant, tels les tissus, les organes, les articulations, les systèmes, dans un environnement donné comme un examen clinique à visée diagnostique, une intervention chirurgicale réparatrice ou encore une recherche fondamentale portant sur un état normal ou pathologique. Cela comprend en particulier les notions de maillage, de comportement biomécanique et numérique, et d’élaboration du modèle à proprement parler. Le modèle construit peut alors être amené à interagir avec un milieu inerte tel un système de protection, une prothèse ou une orthèse, ou encore un instrument chirurgical. Ainsi, dans le cadre de la prédiction de blessures, de la réadaptation fonctionnelle ou de la planification chirurgicale pour la formation et l'entraînement des chirurgiens, les modèles construits sont autant de jumeaux numériques de la réalité physique représentée. Ces aspects de la modélisation numérique ne vont pas sans leur pendants de simulation abordés sous les angles du temps de calcul, de la convergence du calcul, de la critique des résultats obtenus.

Cette unité d'enseignement a pour objectif d'approfondir les compétences des élèves ingénieurs dans le domaine de la robotique médicale avancée.

Les principes de la robotique  non conventionnelle y seront étudiés, notamment la modélisation et la commande des robots souples, ainsi que leurs applications en chirurgie minimalementnon invasive. Une attention particulière sera également portée à la perception haptique et à la commande des robots manipulateurs en interaction physique avec l’humain. Cette interaction constitue aujourd’hui un facteur clé pour rapprocher les robots des patients et des médecins, et favoriser le développement de solutions robotiques pour la réhabilitation et la chirurgie robotique. Par ailleurs, des notions de téléopération permettent aux chirurgiens d’effectuer des gestes complexes avec une précision et une stabilité inégalées.

À l’issue de cet enseignement, les étudiants auront également acquis des compétences avancées en vision par ordinateur appliquées à la robotique médicale. Ils auront conscience des problématiques de mesure en imagerie médicale et connaîtront les méthodes de vision permettant la commande des robots reconstruction 3D à partir d’images médicales.

Enfin, cet approfondissement permettra d’acquérir les notions d’intelligence artificielle et d’apprentissage automatique, visant à rendre les robots plus autonomes dans des environnements complexes, en particulier via l’apprentissage par démonstration et l’apprentissage par renforcement.