Carole Lartizien est titulaire depuis 1997 d’un diplôme d’ingénieur en Génie Energétique et Nucléaire de l’Institut National Polytechnique de Grenoble et d’un diplôme de Master en Génie Biologique et Médical de l’Université Claude Bernard Lyon 1. Elle a obtenu en 2001 une thèse de l’Université Paris XIII en Imagerie Médicale pour ses travaux réalisés au CEA d’Orsay en collaboration avec Siemens Healthineers en analyse par apprentissage automatique d’images de tomographie par émission de positons (TEP) pour la cancérologie.
Après un post-doctorat à l’Université de Pittsburgh aux Etats-Unis, Carole Lartizien rejoint en 2004 le laboratoire CREATIS à Villeurbanne comme chargée de Recherche CNRS. Elle est Directrice de Recherche CNRS depuis 2018 au sein de l’Institut des Sciences Informatiques.
Carole Lartizien s’intéresse aux méthodes par intelligence artificielle pour le développement de modèles diagnostics et pronostics à partir de données multimodales hétérogènes combinant image, signal et données cliniques. Ses travaux, motivés par des problématiques médicales, définies avec des collaborateurs cliniciens, combinent des contributions méthodologiques originales et des applications cliniques principalement orientées vers la neurologie et la cancérologie.
Depuis 2006, Carole Lartizien a encadré 17 doctorants et une trentaine d’étudiants de Master. Elle a porté ou participé à plusieurs projets de recherche nationaux (ANR, INCa, Région AURA) et internationaux (Europe). Elle est par ailleurs très active dans la communauté scientifique, impliquée entre autres dans le comité de pilotage du GDR IASIS, dans l’organisation d’événements scientifiques (conférences nationales et internationales), et dans l’expertise de projets au sein de différents instituts (ANR..). Elle a publié plus de 120 articles scientifiques dans son domaine dans des conférences internationales et des journaux de son domaine.
Carole Lartizien rejoint le GTECH de Lyonbiopôle afin d’apporter son expertise scientifique pour l’évaluation des projets impliquants des modèles par intelligence artificielles pour l’analyse de données biologiques ou médicales.