Je suis chercheure postdoctorale à Université Paris Cité, où je collabore avec le Pr Raphaël Porcher dans l'équipe MÉTHODS, CRESS UMR 1153, Inserm, Médecine Personnalisée. Mon domaine d'expertise est l'apprentissage automatique statistique, en me concentrant sur l'inférence causale dans le cadre contrefactuel (modèle causal de Rubin) et ses applications aux soins de santé. Mes recherches portent sur les effets individuels et moyens des traitements, la classification risques/bénéfices, l'observance et l'utilisation des données d'observation. Cette recherche s'inscrit dans la continuité de mes travaux de thèse, menés au LAMSADE, Université Paris Dauphine-PSL, sous la direction du Pr Jamal Atif et du Dr Florian Yger au sein de l'équipe MILES machine learning.
Je suis également impliquée dans l'innovation Deeptech et l'entrepreneuriat. J'étudie actuellement en master spécialisé EDI à Mines-PSL, qui se situe dans l'écosystème dynamique du Campus PariSanté. Je m'intéresse particulièrement au rôle des laboratoires de recherche et des startups dans le développement de l'innovation en santé, ainsi qu'aux aspects éthiques et réglementaires.
Intérêts de recherche
- Inférence causale, Contrefactuel, Effet du traitement
- Médecine personnalisée/de précision
- 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
