Rothschild Visual and Computational Neurosciences BRAIN Lab

Le Rothschild Visual and Computational Neurosciences BRAIN Lab est un laboratoire de recherche clinique et translationnelle rattaché au service de neuro-ophtalmologie de l’Hôpital Fondation Adolphe de Rothschild (Paris) et intégré à la dynamique scientifique de l’Institut du Nerf Optique et du Glaucome (INOG). 

Fondé et dirigé par le Professeur Dan Milea, le Rothschild BRAIN Lab fédère des compétences en ophtalmologie clinique, en neurosciences, en informatique médicale et en apprentissage automatique afin de développer des approches innovantes pour le diagnostic, le suivi et la compréhension des pathologies visuelles et neurologiques.

Sa mission est double : d'une part, développer des outils d’IA validés cliniquement pour le diagnostic et la surveillance des pathologies neuro-ophtalmologiques; d'autre part, exploiter l'imagerie rétinienne comme vecteur de détection précoce et non invasive de maladies neurologiques et neurodégénératives systémiques.

Le laboratoire s'inscrit dans le cadre institutionnel de Rothschild Medical Development, structure dédiée à l'innovation médicale au sein de l'hôpital. Cette organisation garantit une articulation étroite entre la pratique clinique quotidienne, les protocoles de recherche et le développement technologique.

Le Rothschild BRAIN Lab conduit plusieurs programmes de recherche structurants. Parmi ceux-ci, le projet ROC — Reconnecter Œil et Cerveau (financer par la Fondation VISIO), vise à exploiter les avancées de l'IA pour développer de nouvelles générations de prothèses visuelles. 

Le projet international Ocular Neuromics, co-porté avec l'Université de Copenhague et financé par la Fondation Lundbeck (2,7 M €), développe des biomarqueurs génomiques et computationnels. Ces travaux se déploient dans le cadre du consortium BONSAI (Brain and Optic Nerve Study with AI), réseau international fondé en 2018, qui regroupe aujourd'hui plus de 40 centres experts dans 23 pays.

Programme de formation : Clinical Research Fellows

Le Rothschild BRAIN Lab accueille régulièrement des clinical research fellows internationaux médecins ophtalmologistes ou ingénieurs-chercheurs dans le cadre d'une formation à la recherche translationnelle computationnelle appliquée a la neuro-ophtalmologie.

3 programmes de recherche

Les travaux du Rothschild BRAIN Lab s'articulent autour de trois axes complémentaires, alliant développement méthodologique en IA, validation clinique multicentrique et réhabilitation des malvoyants.

Valorisation scientifique dans les revues de référence

Liste non-exhaustive des publications récentes du Rothschild BRAIN Lab :

• Van der Heide FC, Zamoum Y, Ounissi M, et al. Quantification of retinal microvascular imaging features from fundus photos in ocular and systemic disease: a framework for standardization. Prog Retin Eye Res. 2026;112:101461. 
  Revue collaborative internationale (Singapour, Royaume-Uni, Belgique, France, États-Unis, Australie) proposant un cadre de standardisation pour l’extraction automatisée par IA des biomarqueurs microvasculaires rétiniens appliqués aux maladies neurodégénératives, cardiovasculaires et ophtalmologiques.
   
• Sarbout I, Ounissi M, Milea D, Racoceanu D. From synthetic navigation data to real-world mobility cues: reinforcement learning for sensory substitution in visual impairment. Array. 2026;30:100861.
  Développement d’un modèle d’apprentissage par renforcement destiné à optimiser les stratégies de substitution sensorielle et la navigation assistée chez les personnes déficientes visuelles.
   
• Gungor A, Tang Z, Loo JL, et al; BONSAI Group. Deep learning–based detection of papilledema on retinal photographs from handheld cameras: a prospective study. J Neuroophthalmol. 2026;46(1):98-104.
  Étude prospective multicentrique internationale (31 centres, 10 647 patients, 20 533 rétinophotographies) évaluant un système de détection automatisée de l'œdème papillaire sur rétinophotographies non mydriatiques acquises en conditions cliniques réelles. Le modèle atteint une aire sous la courbe ROC (AUC) de 98,3 %.
   
• Rocatcher A, Dieu X, Desquiret-Dumas V, et al. Dataset of patients with isolated and syndromic optic neuropathies linked to RTN4IP1 genetic variants. Sci Data. 2026;13:1046. 
  Construction d’un jeu de données structuré dédié aux neuropathies optiques associées à RTN4IP1, intégrant les cas publiés dans la littérature ainsi que des patients non publiés.
   
• Mahfoud D, Ang J, Najjar RP, et al. Recovery in pupillometric non-visual functions following chiasmal decompression in pituitary adenoma. Brain Communications, 2026, in press. 
  Étude prospective longitudinale utilisant la pupillométrie chromatique portable pour la prédiction des résultats fonctionnels en chirurgie transsphénoïdale pour adénome hypophysaire.
   
• Jonas JB, Panda-Jonas S, Milea D, et al. Peripapillary hyperreflective ovoid mass-like structures: prevalence and associations in the adult population of the Beijing Eye Study. Invest Ophthalmol Vis Sci. 2025;66(6):63.
  Étude observationnelle asiatique évaluant par tomographie en cohérence optique (OCT) la prévalence des structures hyperréflectives ovoïdes péripapillaires (PHOMS).
   
• Poonja S, Milea D, Chen JJ. 3D Deep Learning Analysis of OCT to Classify Optic Atrophy. JAMA Ophthalmol. 2025;143(10):811-812.
  Editorial accompagnant une étude multicentrique de Szanto autour d’un modèle d'apprentissage profond tridimensionnel entraîné sur des volumes OCT non segmentés de la tête du nerf optique pour discriminer le glaucome, la neuropathie optique ischémique antérieure non artéritique (NAION), la névrite optique et les contrôles sains.
   
• Tham YC, Goh JHL, Nderitu P, Zhou Y, Ran AR, Srinivasan S, et al; Global RETFound Consortium. Building the world’s first truly global medical foundation model. Nat Med. 2025;31(11):3580-3585.
  Description du consortium international RETFound, qui aura pour but de réunir les données rétiniennes issues de plus de 100 pays, visant à développer le premier modèle de fondation mondial en imagerie ophtalmologique médicale.
   
• Sarbout I, Gungor A, Ounissi M, Zaher S, Ptito M, Kupers R, Racoceanu D, Milea D. Visual prostheses in the era of artificial intelligence technology. Eye Brain. 2025;17:95-113.
  Revue sur les prothèses rétiniennes et corticales intégrant l’IA  pour l’optimisation de l’extraction de saillance visuelle, de la modélisation des phosphènes et des stratégies de stimulation électrique destinées à la restauration visuelle.
   
• Gungor A, Sarbout I, Gilbert AL, et al. Artificial intelligence-based detection of central retinal artery occlusion within 4.5 hours on standard fundus photographs. J Am Heart Assoc. 2025;14(13):e041441.
  Étude rétrospective multicentrique et multi-ethnique développant un système de détection automatisée par intelligence artificielle des occlusions de l'artère centrale de la rétine dans la fenêtre thérapeutique de 4,5 heures.
   
• Jonas JB, Bikbov MM, Kazakbaeva GM, Wang YX, Nangia V, Milea D, et al. Glaucomatous, glaucoma-like, and non-glaucomatous optic neuropathy in high myopia: the two-continent study. Invest Ophthalmol Vis Sci. 2025;66(14):30.
  Étude populationnelle multicentrique et multi-ethnique (Russie, Chine, Inde ; 5 cohortes, 17 977 participants) documentant une prévalence élevée des neuropathies optiques glaucomateuses et non glaucomateuses dans la forte myopie, augmentant avec la longueur axiale et la taille de la papille optique.
   
• Chua J, Tan B, Wong D, et al. Optical coherence tomography angiography of the retina and choroid in systemic diseases. Prog Retin Eye Res. 2024;103:101292.
  Revue collaborative internationale présentant les applications de l'angiographie par tomographie en cohérence optique (OCT-A) dans les maladies cardiovasculaires, métaboliques et neurodégénératives. L'étude met en avant le potentiel des biomarqueurs microvasculaires rétiniens, de l'analyse quantitative et de l'intégration de l'intelligence artificielle dans le champ de l'oculomique.
   
• Sathianvichitr K, Najjar RP, Tang Z, et al. A deep learning approach for accurate discrimination between optic disc drusen and papilledema on fundus photographs. J Neuroophthalmol. 2024;44(4):454-461.
  Étude rétrospective multicentrique internationale et multi-ethnique développant un système d'apprentissage profond pour discriminer les drusen de la tête du nerf optique de l'œdème papillaire sur photographies du fond d'œil.
   
• Gungor A, Najjar RP, Hamann S, et al. Deep learning to discriminate arteritic from nonarteritic ischemic optic neuropathy on color images. JAMA Ophthalmol. 2024;142(11):1073-1079.
  Étude multicentrique internationale appliquant un pipeline de segmentation et de classification par apprentissage profond sur des images couleur du fond d'œil pour discriminer les neuropathies optiques ischémiques artéritiques des neuropathies optiques ischémiques non artéritiques.
   
• Biousse V, Najjar RP, Tang Z, et al; BONSAI Study Group. Application of a deep learning system to detect papilledema on nonmydriatic ocular fundus photographs in an emergency department. Am J Ophthalmol. 2024;261:199-207.
  Étude rétrospective multicentrique évaluant un système d'apprentissage profond pour la détection de l'œdème papillaire aux urgences sur rétinophotographies non mydriatiques.
   
• Lin MY, Najjar RP, Tang Z, et al; BONSAI Group. The BONSAI (Brain and Optic Nerve Study with Artificial Intelligence) deep learning system can accurately identify pediatric papilledema on standard ocular fundus photographs. J AAPOS. 2024;28(1):10380.
  Étude multicentrique internationale et multi-ethnique évaluant la performance du système BONSAI pour l'identification automatisée de l'œdème papillaire pédiatrique et des anomalies de la tête du nerf optique sur photographies du fond d'œil.
   
• Milea D, Najjar RP, Jiang Z, et al; BONSAI Group. Artificial intelligence to detect papilledema from ocular fundus photographs. N Engl J Med. 2020;382(18):1687-1695.
  Etude fondatrice du Consortium BONSAI, (Brain and Optic Nerve Study with Artificial Intelligence), réunissant plus de 40 centres experts dans 23 pays. Ce travail pionnier démontre la faisabilité de la détection automatisée de l'œdème papillaire par intelligence artificielle sur photographies du fond d'œil, ouvrant la voie à la classification des neuropathies optiques, au diagnostic de l'hypertension intracrânienne et à l'exploration des liens entre imagerie rétinienne et pathologies cérébrales.
   

Nous rejoindre

Le Rothschild BRAIN Lab accueille régulièrement des candidatures spontanées de chercheurs, cliniciens et ingénieurs motivés par la recherche translationnelle à l'interface des neurosciences et de l'IA. Les profils alliant rigueur scientifique, dimension clinique et appétence pour les approches computationnelles sont particulièrement valorisés.

Postes et opportunités
•    Post-doctorats en apprentissage automatique, traitement d'image médicale, neurosciences computationnelles ou ophtalmologie clinique.
•    Thèses de doctorat (co-tutelle possible avec Sorbonne Université, Université de Copenhague ou Duke-NUS Medical School).
•    Clinical research fellows — médecins ophtalmologistes ou neurologues souhaitant acquérir une expérience en recherche clinique internationale.
•    Stages de master (M1/M2) en informatique médicale, IA, biostatistiques ou ophtalmologie.
•    Collaborations académiques et industrielles — le laboratoire est ouvert à des partenariats avec des équipes de recherche ou des acteurs industriels partageant ses axes scientifiques.

Profils recherchés
•    Spécialisation en neuro-ophtalmologie, sciences neuro-visuelles, et IA
•    Solide maîtrise de Python et des bibliothèques de deep learning (PyTorch, TensorFlow, etc.)
•    Expérience en traitement d'images médicales (OCT, photographies de fond d'œil, IRM)
•    Maîtrise de l'anglais scientifique (rédaction, communication orale en congrès internationaux)
•    Capacité à travailler en équipe et dans un environnement hospitalo-universitaire