Offre de thèse : Modélisation Multi-échelle et Prédiction par Intelligence Artificielle de la Consolidation Osseuse en Ostéotomie Fémorale par Ouverture Latérale
Mots clés : Biomécanique + Ostéotomie fémorale + Consolidation osseuse + Éléments finis + Intelligence Artificielle (IA) + Mécanobiologie
Key words : Biomechanics + Femoral Osteotomy + Bone Healing + Finite Element Analysis + Artificial Intelligence (AI) + Mechanobiology
Description du sujet de thèse : Cette thèse s’inscrit dans le contexte des ostéotomies fémorales par ouverture latérale, largement utilisées pour corriger les désaxations du membre inférieur et retarder l’évolution de l’arthrose chez des patients jeunes et actifs. Bien que cette intervention permette de préserver l’articulation et d’améliorer la fonction, les retards de consolidation, les pertes de correction et les pseudarthroses demeurent des complications cliniquement importantes, entraînant douleurs prolongées et rééducation prolongée.La première partie du projet vise à analyser l’environnement biomécanique du site d’ostéotomie à l’aide de la modélisation par éléments finis et d’essais mécaniques expérimentaux. Des modèles mécanobiologiques de consolidation, notamment ceux de Prendergast et d’Ulm, seront implémentés afin de simuler la différenciation tissulaire et l’évolution du cal osseux. L’influence de paramètres tels que la rigidité du système de fixation, la géométrie de coupe, l’intégrité de la charnière latérale et les protocoles de mise en charge sera étudiée.Cependant, ces approches déterministes restent limitées pour intégrer la variabilité interindividuelle et les incertitudes biologiques. La seconde partie du projet mobilisera l’intelligence artificielle pour combiner indicateurs biomécaniques, données cliniques et imagerie, afin de prédire le risque évolutif de retard de consolidation. L’objectif final est de développer un outil d’aide à la décision favorisant une prise en charge postopératoire personnalisée et une amélioration des résultats cliniques.
PhD Project Description:This PhD project is set in the context of lateral open-wedge femoral osteotomies, widely used to correct lower-limb malalignment and delay the progression of osteoarthritis in young and active patients. Although this procedure preserves the joint and improves function, delayed consolidation, loss of correction, and non-union remain clinically significant complications, leading to prolonged pain and extended rehabilitation.The first part of the project aims to analyze the biomechanical environment of the osteotomy site using finite element modeling and experimental mechanical testing. Mechanobiological healing models, including the Prendergast and Ulm frameworks, will be implemented to simulate tissue differentiation and callus evolution. The influence of key parameters such as fixation stiffness, osteotomy geometry, lateral hinge integrity, and weight-bearing protocols will be investigated.However, these deterministic approaches remain limited in capturing inter-patient variability and biological uncertainties. The second part of the project will integrate artificial intelligence methods to combine biomechanical indicators, clinical data, and imaging information in order to predict the evolutive risk of delayed consolidation. The ultimate objective is to develop a clinical decision-support tool enabling personalized postoperative management and improved patient outcomes. Début de la thèse / Start of the PhD: 01/10/2026
Nature du financement/Funding:Contrat doctoral
Appel anticipé Concours ITI-HealthTech de l’université de Strasbourg
Présentation établissement et labo d'accueil:Université de Strasbourg / Laboratoire des sciences de l’ingénieur, de l’informatique et de l’imagerie (ICube UMR 7357)
Établissement délivrant le doctorat:Université de Strasbourg
Ecole doctorale:ED269 MSII (Mathématiques, Sciences de l'Information et de l'Ingénieur)
Equipe d’encadrement :Directeur de thèse : Matthieu Ehlinger (Professeur des Universités et Practicien Hospitalier, Chirurgie orthopédique).
Co-encadrants : Massamaesso Bilasse (Enseignant Chercheur), Yamen Othmani (Enseignant Chercheur), Farid Kacimi (Enseignant Chercheur)
Laboratoire d’accueil : ICube, Département Mécanique (D-M), Équipe Matériaux Multi-échelles et Biomécanique (MMB)
Établissements de rattachement : Université de Strasbourg
Collaborations : Hôpitaux Universitaires de Strasbourg (Service d’orthopédie)
Profil du candidatNous recherchons un(e) candidat(e) fortement motivé(e) pour un projet interdisciplinaire à l’interface entre biomécanique, modélisation numérique et intelligence artificielle appliquées à l’orthopédie.
Formation requise
● Master (M2 ou équivalent) obtenu ou en cours de préparation en mécanique, biomécanique ou domaine connexe
● Bonnes connaissances en outils et méthodes numériques (éléments finis)
● Compétences en programmation scientifique (Python, MATLAB ou équivalent)
● Bases en apprentissage automatique et analyse de données (est un plus)
● Connaissances en mécanique des matériaux ou biomécanique
Qualités personnelles
● Forte capacité d’analyse et de modélisation
● Intérêt pour la recherche translationnelle en santé
● Aptitude au travail interdisciplinaire (cliniciens, mécaniciens, data scientists)
● Autonomie, rigueur scientifique et esprit d’initiative
Candidate Profile We seek a highly motivated candidate interested in interdisciplinary research at the interface of biomechanics, computational modeling, and artificial intelligence applied to orthopaedics.
Required background:
● MSc or equivalent (obtained or currently in preparation) in biomechanics, mechanical engineering or related field
● Knowledge of numerical methods and tools (finite elements)
● Scientific programming skills (Python, MATLAB, or equivalent)
● Fundamentals in machine learning and data analysis (is an asset)
● Background in solid mechanics or biomechanics
Personal skills:
● Strong analytical and modeling abilities
● Interest in translational medical research
● Ability to work in multidisciplinary environments (clinicians, engineers, data scientists)
● Autonomy, scientific rigor, and curiosity
Dossier de candidature Un CV, une lettre de motivation, un relevé des notes obtenues au cours de la scolarité ainsi qu’une copie du diplôme de Master ou équivalent (si le parcours est terminé) sont à envoyer au plus tard le 26 avril 2026 à :A CV, a cover letter, official transcripts for all completed coursework, and a copy of the Master’s degree (or equivalent) certificate (if the degree has been completed) should be sent no later than 26 of april 2026 to : Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser. et Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez activer le JavaScript pour la visualiser.
Références
[1] Coventry MB. Osteotomy of the upper portion of the tibia for degenerative arthritis of the knee. J Bone Joint Surg Am. 1965.
[2] Miramini S., et al. The relationship between interfragmentary movement and cell differentiation in early fracture healing. Australas Phys Eng Sci Med. 2015.
[3] Prendergast PJ., Huiskes R., Søballe K. Biophysical stimuli on cells during tissue differentiation. J Biomech. 1997.
[4] Lacroix D., Prendergast PJ. A mechanoregulation model for tissue differentiation during fracture healing. Biomech Model Mechanobiol. 2002.
[5] Engelhardt S., et al. In silico simulation of fracture healing. Biomech Model Mechanobiol. 2021. [6] Halbauer K., et al. Patient-specific simulation of bone healing and fixation stability. J Orthop Res. 2025.
[7] Razavi A.H., et al. Mechanobiology-guided machine learning models for bone healing prediction. J Orthop Res. 2025.
Auteur du sujet