Je suis professeur assistant (CCA-AHU) dans l'équipe METHODS du Centre de Recherche en Epidémiologie et Statistique (CRESS-UMR1153), où mes travaux portent sur l'apprentissage automatique et la recherche clinique appliquée, avec un accent sur l'inférence causale dans le cadre contrefactuel (modèle causal de Rubin). Mes recherches portent en particulier sur l'étude des effets individuels et moyens des traitements, l'exploitation des données d'observation et les questions de conformité.
Je participe activement aux projets internationaux MORE-Europa (More Effectively Using Registries to Support Patient-centered Regulatory and HTA Decision-making), financés par Horizon Europe. Je suis également impliqué dans l'innovation et l'entrepreneuriat Deeptech, ayant reçu le prix i-PHD 2023 pour le projet MyTreatment. Cette initiative développe des algorithmes d'apprentissage profond pour soutenir les prescriptions personnalisées de traitement du cancer, permettant aux médecins d'adapter les thérapies aux besoins individuels des patients.
Intérêts de recherche
- Inférence Causale, Contrefactuel, Effet de Traitement
- Méthodes pour la médecine personnalisée
- Entrepreneuriat Deeptech et Innovation
Publications clés
- Beji, C. (2021). Causal Populations Identification througth Hidden Distributions Estimation. Thèse de doctorat.
Voir la publication - Beji, C. & Yger, F.n & Atif, J. (2021). Non parametric estimation of causal populations in a counterfactual scenario. Causal-AI 2021
Voir la publication - Beji, C., Bon, M., Yger, F., & Atif, J. (2020). Estimating individual treatment effects through causal populations identification. ESANN 2020.
Voir la publication
