Innovative Projects Realized

Empowering HR Decisions through Explainable Agentic Intelligence and Predictive Analytics

The current landscape of human resources faces significant challenges in streamlining job documentation and job evaluation processes, which are critical for consistent, efficient, and defensible compensation-related decisions. Laulima Consulting Inc., as the partner organization, aims to overcome this by developing an AI-powered tool that supports the end-to-end creation and evaluation of job descriptions. The core innovation challenge or improvement priority that Laulima needs to solve is to move beyond traditional, potentially manual, and inconsistent methods of job documentation and evaluation. This project proposes to address this by integrating market intelligence, conversational AI, and standardized frameworks to ensure greater consistency, efficiency, and defensibility in human capital decisions, specifically concerning job level and pay grade determination.

This project will help Laulima Consulting Inc. address these challenges in a way that extends significantly beyond typical day-to-day business operations by creating a standardized and scalable AI agent. This agent will not only synthesize internal inputs with external market intelligence to generate customized job descriptions but will also leverage a natural language AI agent for interactive validation and refinement of job content with managers. Critically, the project involves automating point factor job evaluation methodologies, where AI interprets job content against selected criteria, assigns point values, and provides justifications for transparency and auditability. This level of AI-based factor evaluation, combined with a flexible evaluation framework, dynamic visualizations, and consistency checks, significantly enhances HR’s strategic decision-making capabilities, moving beyond manual tasks to provide data-driven insights and a defensible system. Solving this complex problem requires specialized expertise in Natural Language Processing (NLP), Large Language Models (LLMs) and Agentic AI systems for content analysis and conversational AI, as well as data aggregation and benchmarking methodologies. Additionally, it necessitates advanced software engineering for building configurable and scalable systems, and deep domain knowledge in human resources, including job evaluation and compensation frameworks.

Étude des menaces au niveau des environnements des bornes de recharge pour les véhicules électriques

Alors que l’industrie des véhicules électriques connaît une croissance rapide, l’importance des stations de recharge ne peut être sous-estimée. Cependant, cette croissance s’accompagne également d’un problème urgent en matière de cybersécurité. Ce projet est dédié à la protection des communications entre les stations de recharge et leurs systèmes de gestion, en particulier ceux qui utilisent le protocole de communication OCPP. Les vulnérabilités potentielles de ce protocole pourraient être exploitées par des attaquants informatiques, entraînant des perturbations dans les réseaux de recharge et compromettant même la sécurité énergétique.

Ce projet adopte une approche innovante pour lutter contre ces menaces. Il vise à développer un système intelligent capable de détecter automatiquement les tentatives d’intrusion, en particulier celles qui ciblent les mécanismes d’authentification. Ce système utilisera des techniques d’intelligence artificielle de pointe, telles que l’apprentissage profond, pour analyser des données réelles et simulées. En identifiant les comportements suspects, ce système renforcera considérablement la sécurité de nos réseaux de recharge.

En rendant les réseaux de recharge plus sûrs, plus fiables et mieux protégés contre les cyberattaques, ce projet répond non seulement à un enjeu crucial pour l’industrie des véhicules électriques, mais contribue également à l’objectif plus large de transition vers une mobilité électrique durable.

L2M – MAP Medicine

Luma is an augmented reality (AR) surgical navigation platform designed to help surgeons see important blood vessels and anatomy directly on a patient during surgery. Right now, surgeons often have to rely on memory or markings to make decisions, which can lead to longer, riskier operations. Our project will explore who buys new surgical tools like Luma, what matters most to them, and how to introduce this technology successfully into hospitals and private clinics. By understanding buyer needs and decision-making processes, we’ll help MAP Medicine create a practical plan to launch Luma, making surgeries safer and faster while ensuring the company’s innovation reaches the patients and institutions that will benefit most.

Leveraging online violence prevention technologies to identify, understand, and counter violent extremism, gender-based violence, and mis/disinformation

Violent online content and radicalization have become so pervasive that it is contributing to the polarization of political discourse, a fraying of the social fabric, and to widespread human rights violations. Moonshot is devoted to ending online harms and protecting vulnerable individuals. It has developed and built technological tools to help governments identify and disrupt a wide range of violent threats, from terrorism to organized crime, child sexual exploitation, and trafficking, among other forms of abuse and violence.
Moonshot is seeking one Mitacs intern to support two of its ongoing research projects focused on countering radicalization, gender-based violence and misinformation, and assessing online threats. Activities include conducting research on online harms to assess when and how they are encountered by Canadians; who is seeking support or engaging with extremist content; and how violence prevention services can be made more accessible online, and engage vulnerable populations. The Mitacs intern will research and analyze relevant data, conduct desk research, and contribute to reports and campaigns. The projects will benefit the partner organization by supporting its ability to work with governments and local behavioural health services to create skilled provider networks, design effective online outreach strategies, and improve service delivery in virtual settings.

L2M – AI Driven Predictions for Safer Drug Use in Pregnancy

FetoSafe is an AI-powered startup designed to predict whether small-molecule drugs can cross the placental barrier and reach the fetus. This remains a major challenge in maternal healthcare, as most medications lack reliable data on fetal exposure.
FetoSafe uses only the SMILES representation of a compound, capturing its chemical structure, to estimate the risk of placental drug transfer. Trained on a curated set of known compounds, the model provides a fast, scalable, and non-invasive way to support safer, more informed decisions in drug development during pregnancy.

Enhancement of a Pharmacogenomic Treatment Decision Support Tool for Schizophrenia – Year two

The GeneSight (GS) Psychotropic Test (AssureRx Health, Inc.) measures individual variations in drug-related genes and recommends optimal drug choices for individual patients. A clinical study will be conducted to validate novel gene markers of antipsychotic-induced weight gain for use in an enhanced version of GS. Sarah Groleau will be responsible for genotyping DNA from 600 schizophrenia patients to evaluate which of the significant gene variants (UofT/CAMH) predict the most troubling side effect of antipsychotic medications: weight gain and metabolic syndrome. She will also be involved in economic analyses of financial burden in failed treatments, with MaRS EXCITE, to position the GS tests for OHIP reimbursement. In addition, Sarah will shadow ARxC personnel, gaining exposure to all aspects of the company’s function. Sarah’s project will provide AssureRx Canada with substantial intellectual capital and access to research expertise at CAMH, enabling accelerated timelines for AssureRx product release and Ministry of Health licensing.

L2M – Validating Nanobubble Technology for Sustainable Water Use in the Canadian Ecosystem

This project focuses on exploring how a new water based technology—called a nanobubble generator—can help solve common challenges in agriculture, aquaculture, and water treatment across Canada. Nanobubbles are minuscule gas bubbles that improve water quality by increasing oxygen levels, cleaning surfaces, and reducing the need for harmful chemicals. While this technology has seen success in countries like Japan, the U.S., and India, it has not yet been validated for Canadian environmental conditions or end-user needs.

The aim of this project is to assess market fit, business potential, and regulatory considerations for introducing nanobubble solutions in Canada. Using innovation methodologies such as Lean Startup, Customer Discovery, and Design Thinking, the intern will engage with stakeholders, map high-impact use cases, and build an evidence-based go-to-market strategy. The goal is to determine the most effective commercialization pathway.

The project is supported by North Forge, one of Manitoba’s leading innovation hubs, which will benefit from strategic insights and tools that help accelerate cleantech adoption in Canada. By identifying where the technology offers the most value—from greenhouses and fish farms to rural water systems—this work will reduce commercialization risk, support early pilot projects, and create a roadmap for scaling.

Pilot Canadian School Survey / Sondate auprès des écoles canadiennes: project pilote

These two internships (one English, one French) will contribute to an academic partnership with People for Education in order to develop a pan-Canadian survey of educational resources and opportunitiesl. The survey will fill a gap in comparable, interprovincial data on the connection between school context and educational resources / policy implementation at the school level, and support public dialogue about the role of schools in facing up to major social challenges.
As part of the research team, the PhD student interns will contribute to, and learn from overall survey recruitment including principal follow-up, data cleaning, analysis and linkages through their six-month engagement. Each intern will have individual responsibility for conducting topical policy scans, and developing conference presentations and an academic paper and contributing to public-facing reports on key policy problems. The two specific policy problems these internships will focus in on are (1) how are teacher shortages distributed across Canada, by jurisdiction and relative to school-level socio-economic factors, and how are they are impacting education systems’ abilities to provide equitable opportunities for learning; and (2) how are citizenship and civics learning opportunities are distributed across Canada, by jurisdiction and relative to school-level socio-economic factors, and how are they impacting education.

Cartographie et analyse de la diversité ethnoculturelle pour la sélection des sites cliniques au Canada

Ce projet porte sur la planification stratégique des sites d’essais cliniques au Canada dans le but de favoriser une meilleure inclusion de populations sous-représentées, comme les communautés racisées ou autochtones. Bien que plusieurs centres de recherche soient situés dans des régions urbaines à forte diversité démographique, cela ne se traduit pas toujours par une diversité réelle parmi les participants. Le projet cherche donc à mieux comprendre comment les données démographiques peuvent être utilisées, de manière réfléchie, pour soutenir la sélection de sites cliniques plus inclusifs.À l’aide des données de Statistique Canada et de l’analyse géographique des centres de recherche clinique actifs, le projet vise à identifier des régions à fort potentiel de diversité. Ce projet permettra d’offrir des outils pour guider la sélection des sites dans les futurs protocoles d’étude. Une revue des lignes directrices émises par Santé Canada et la FDA viendra également appuyer cette démarche. En combinant des données objectives avec une compréhension nuancée des facteurs qui influencent la participation aux essais (comme les barrières linguistiques, culturelles ou logistiques), ce projet contribuera à des recommandations concrètes pour rendre la recherche clinique plus équitable

Développement d’un algorithme d’apprentissage profond pour l’estimation de la concentration des polluants aquatiques par spectroscopie dans le visible et l’infrarouge

La pollution de l’eau, aggravée par les changements climatiques et la croissance démographique, constitue une menace croissante pour la santé publique et les écosystèmes. En 2023, plus de 142 000 tonnes de polluants ont été rejetées dans les cours d’eau canadiens, selon l’Inventaire National des Rejets de Polluants. Face aux limites des méthodes de surveillance traditionnelles — coûts élevés, couverture restreinte et absence de données en temps réel — ce projet vise à développer un algorithme d’apprentissage profond capable d’analyser des données spectroscopiques UV-VIS-NIR pour estimer la concentration de polluants aquatiques. Ce modèle sera intégré à un laboratoire miniaturisé embarqué sur les DuckBots, des robots flottants intelligents déployés dans le cadre de la solution AquaBots par la start-up HydroSurveillance Inc. L’objectif est de permettre une détection en temps réel, continue et précise de divers contaminants. La méthodologie comprend la collecte de spectres à partir d’échantillons d’eau, suivie de l’entraînement et de la validation d’un réseau de neurones profond optimisé en laboratoire et sur le terrain. Ce projet contribuera à l’amélioration des technologies de surveillance environnementale et à une gestion plus proactive de la qualité de l’eau au Canada.

Modélisation prédictive des signalements à la DPJ : vers une meilleure allocation des ressources

Chaque signalement à la DPJ suit une trajectoire comprenant plusieurs étapes : le traitement initial du signalement, l’évaluation de la compromission ou non de l’enfant, l’orientation vers des mesures afin de mettre fin à la situation de compromission (e.g., mesures volontaires, judiciaires), leur application et puis une révision qui permet de modifier ou d’étendre l’application des mesures jusqu’à la fin de la situation de compromission. Ces trajectoires peuvent varier selon plusieurs facteurs : le type de maltraitance de l’enfant, la situation familiale, la région, la période de l’année, ou encore les événements sociaux majeurs comme la COVID-19. Ce projet vise donc à explorer, classifier et modéliser les trajectoires des signalements à la DPJ à partir de données administratives dé-identifiées disponibles auprès de la Direction de la Protection de la Jeunesse, afin d’identifier des tendances et facteurs associés à la durée de traitement d’un signalement, et prédire le volume futur de signalement pour soutenir la planification des ressources.

Le développement d’outils pour supporter les moniteurs juniors (CRAs I) dans leurs activités cliniques avec un volet dédié au soutien des sites avec peu d’expérience en recherche interventionnelle.

Dans le cadre de son stage, la stagiaire va revoir toutes les formations existantes au sein d’AbbVie Corporation afin de créer un outil qui réfère et synthétise l’information sur les bonnes pratiques cliniques pour soutenir les moniteurs juniors (CRAs I) dans leurs activités cliniques. De plus, le.la stagiaire va aller chercher de l’information et faire une collecte de donnees aupres de site ayant peu d’expérience en recherche afin de combler les besoins de soutien et formation.