About Me
Je suis Lead AI Engineer chez Dermascan, où je conçois et développe des algorithmes d'intelligence artificielle pour l'aide au diagnostic dermatologique et l'optimisation des workflows médicaux dans les centres DermaScan. Mon travail se concentre sur la conception d'algorithmes d'aide au diagnostic à partir d'images médicales, l'optimisation des workflows patients via des outils IA, et la mise en place de pipelines d'extraction automatisée de données médicales.
Avant de rejoindre Dermascan, j'étais Senior Data Scientist chez DMSLOG.ai (avant DMS Logistics), où j'ai dirigé le développement de solutions IA pour l'optimisation de la gestion des flux de conteneurs. J'ai notamment développé un moteur d'insights alimenté par GenAI utilisant RAG, des pipelines d'intelligence documentaire combinant OCR et LLMs, et des modules de prévision de séries temporelles pour prédire le trafic et les besoins en capacité.
Mon parcours de recherche couvre des sujets de pointe en vision par ordinateur, déséquilibre de classes et diagnostic assisté par IA.
Ma thèse a été réalisée sous la direction de Prof. Abdellatif Moudafi, Prof. Jean-Luc Damoiseaux, and Prof. Djamal Merad, aux côtés de collègues comme Rabah Iguernaissi et Jilliana Monnier.
J’ai été diplômé major de promotion de l’ENSISA en 2019.
Core Expertise: Deep Learning, Computer Vision, GenAI, Time Series Forecasting, MLOps, Image Processing, Pattern Recognition
Expérience
Lead AI Engineer
Conception et développement d'algorithmes d'IA pour l'aide au diagnostic dermatologique et l'optimisation des workflows médicaux.
Impact
- Conception d'algorithmes d'aide au diagnostic dermatologique à partir d'images dermoscopiques afin d'améliorer la qualité du tri et de l'orientation des patients dans les centres physiques.
- Optimisation du workflow patient via le développement d'outils IA permettant de réduire les tâches manuelles et d'accélérer le traitement des dossiers médicaux.
- Mise en place d'une pipeline d'extraction automatisée de données médicales depuis des comptes rendus de téléexpertise (PDF → base de données), permettant un gain de temps significatif pour les équipes opérationnelles (secrétariat médical) et une meilleure structuration des données cliniques.
- Structuration et enrichissement de la donnée médicale pour améliorer la qualité des datasets internes utilisés pour les modèles IA et les analyses cliniques.
- Pilotage de la veille technologique IA & santé pour identifier et intégrer des approches innovantes en vision médicale et en LLM appliqués au médical.
- Interface scientifique entre équipes techniques, dermatologues partenaires et laboratoire LIS (Aix-Marseille Université) afin de garantir la validité clinique et scientifique des solutions développées.
- Contribution à la conformité réglementaire des solutions IA (RGPD, AI Act, exigences de certification dispositifs médicaux logiciels).
- Vulgarisation scientifique interne pour acculturer les équipes non techniques aux enjeux IA, données médicales et réglementation.
Stack technique
Senior Data Scientist
Direction du développement de solutions IA pour l'optimisation de la gestion des flux de conteneurs pour les acteurs clés de la logistique (armateurs, terminaux, transitaires).
Contributions principales
- Développement d'un moteur d'insights alimenté par GenAI utilisant Retrieval-Augmented Generation (RAG) pour permettre aux clients d'interroger et d'analyser les KPIs CO₂ via le langage naturel.
- Construction d'une pipeline d'intelligence documentaire combinant OCR et LLMs pour automatiser l'extraction de données depuis des documents scannés.
- Conception et déploiement de modules de prévision de séries temporelles pour prédire le trafic, les besoins en capacité et les rendez-vous de terminaux.
- Ingénierie d'APIs et microservices scalables utilisant FastAPI, Docker, Kubernetes et Airflow.
- Analyse exploratoire de données sur de grands datasets logistiques hétérogènes.
- Développement de modèles de machine learning pour la prédiction, la classification et l'optimisation.
- Conception de pipelines de données et intégration de multiples sources internes et externes.
- Déploiement cloud et MLOps utilisant Scaleway Cloud, Prometheus et workflows CI/CD.
Stack technique
Select Publications
Select Projects
As Lead AI Engineer at Dermascan, I design and develop AI algorithms for dermatological diagnostic assistance and medical workflow optimization in skin cancer screening centers.
- Main Objective: Improve patient triage quality and orientation in physical centers through AI-powered diagnostic assistance algorithms.
- Key Contributions:
- Developed diagnostic assistance algorithms from dermoscopic images to improve patient triage and orientation.
- Built automated medical data extraction pipelines from tele-expertise reports (PDF → database).
- Designed AI tools to reduce manual tasks and accelerate medical record processing.
- Structured and enriched medical data to improve internal datasets quality for AI models and clinical analyses.
- Technologies: Python, FastAPI, Computer Vision, LLMs, Hugging Face, AWS, Vercel, Medical Data Engineering
As a Senior Data Scientist at DMS Logistics, I lead the design and deployment of AI-driven solutions to optimize container flow management for key logistics players — including shipowners, terminals, and freight forwarders.
- Main Objective: Enhance operational efficiency, automate logistics processes, and anticipate container flow through intelligent forecasting and optimization models.
- Key Contributions:
- Developed a GenAI-powered insight engine using Retrieval-Augmented Generation (RAG) to enable clients to query and analyze CO₂ KPIs via natural language.
- Built a document intelligence pipeline combining OCR and LLMs to automate data extraction from scanned documents.
- Designed and deployed time series forecasting modules to predict traffic, capacity needs, and terminal appointments.
- Engineered scalable APIs and microservices using FastAPI, Docker, Kubernetes, and Airflow.
Diamelex is a research project funded by the French National Research Agency (ANR) for an amount of 513,950 euros in collaboration with the start-up Anapix medical, the Marseille Cancer Research Center (CRCM) and the Computer Science and Systems Laboratory (LIS). The project concerns the development of a computer aided diagnosis system for melanoma based on deep learning techniques. Arthur Cartel Foahom Gouabou actively participated in this project as a researcher and its research activities in this project led to the publication of five scientific papers in international and national journals and conferences.