2^e AAP du Health Data Hub : 10 projets retenus sur 138 pour améliorer l’expérience de santé via l’IA

AI-DA Ultrasound

• Porteur principal : E-Scopics
• Partenaire : CHU de Bordeaux

« E-Scopics développe son premier produit (une app logicielle utilisant une sonde d’échographie ultra-portable digitale) pour les marchés de deux spécialités cliniques : l’endocrinologie et la gastroentérologie. Ce produit d’évaluation des hépatopathies chroniques, et notamment de la NASH (Non-Alcoholic SteatoHepatitis, stéatohépatite non alcoolique), s’utilise comme une échographie classique, l’utilisateur positionnant la sonde sur le foie. Dans ces deux premiers marchés, le besoin clinique nécessitera le déploiement de masse de cet outil puisque cette pathologie touche en moyenne entre 15 et 20 % des patients NAFLD (Non alcoholic Fatty Liver disease), eux-même représentant en moyenne 27 % de la population mondiale. »

(suite)

« L’objectif du projet AI-DA Ultrasound est de guider l’utilisateur dans la prise en main de ce dispositif en développant des outils d’assistance au positionnement de la sonde et à l’acquisition de mesures.

Ces outils permettront de standardiser les acquisitions de paramètres échographiques corrélés d’une part à la stéatose et d’autre part à la fibrose hépatiques et d’augmenter la reproductibilité intra- et inter-opérateur de cet examen. Cette évaluation échographique assistée doit pouvoir ainsi contribuer à la démocratisation de l’outil et augmenter l’efficience de la prise en charge de la maladie, en évitant le sur-référencement de patients auprès des hépatologues et des radiologues. »

Apriorics

• Porteur : CHU de Toulouse
• Partenaire : Institut Claudius Regaud

« Le projet Apriorics (pour Apprentissage profond renforcé par l’immunohistochimie pour la requalification d’Images de cancers du sein) a pour ambition d’utiliser l’intelligence artificielle afin de décrire les tumeurs de manière précise, extensive et intelligible pour le pathologiste.

Ce projet implique la numérisation de milliers d’images microscopiques de cancers du sein afin d’entraîner des algorithmes à reconnaître différents constituants des tumeurs. En comblant une lacune majeure pour le développement de la prise en charge personnalisée des cancers du sein, le projet Apriorics s’adresse aux pathologistes. Par l’amélioration de la précision et de la reproductibilité diagnostique, les premier sbénéficiaires du projet sont les patientes atteintes de cancer du sein. D’autre part, le partage des données produites avec le HDH permettra de toucher les chercheurs et les industriels qui y verront de nouvelles opportunités de recherche et de développement. »

(suite)

« Ce projet est porté par le CHU de Toulouse dont le laboratoire de pathologie, situé sur le site de l’Oncopole, travaille en étroite collaboration avec son partenaire, l’Institut Claudius Regaud, qui prend en charge plus de1500 patientes atteintes de cancer du sein par an. Fort d’une solide expérience en pathologie digitale, l’équipe projet est constituée de pathologistes, d’ingénieurs en analyse d’image et de techniciens de laboratoire. »

Apsoren

• Porteur : CHU de Toulouse
• Partenaire : Collective Thinking

« Le projet Apsoren a pour objectif de fournir un outil permettant de repérer les patients victimes de traumatisme crânien (TC) qui ne bénéficieraient pas de l’ensemble des soins qui leur seraient nécessaires.

Le projet va, grâce à plusieurs outils d’intelligence artificielle, reconstruire les parcours de soins des patients traumatisés crânien qui ont été pris en charge au CHU de Toulouse depuis 2015. Les lettres et comptes rendus médicaux relatifs aux soins qu’ils ont reçus au CHU sont détaillés et complèteront les données de l’Assurance maladie qui décrivent la globalité du parcours de soins. Les parcours ainsi reconstruits pourront être modélisés et analysés par l’intelligence artificielle afin d’identifier les caractéristiques de ceux correspondants aux patients qui échappent aux soins. »

(suite)

« Le projet souhaite ainsi :

• proposer à ces patients un suivi personnalisé et renforcé, afin qu’ils bénéficient pleinement des soins disponibles et minimisent le handicap résiduel ;
• améliorer l’efficience des parcours de soins : les rendre plus performants mais aussi moins coûteux pour le patient, son entourage comme la société- Appliquer le même procédé aux parcours de soins d’autres maladies chroniques qui sont également devrais problèmes de santé publique (diabète, cancer, maladies neurodégénératives, accident vasculaire cérébrale…) ;
• proposer à la commercialisation un nouvel outil d’intelligence artificielle, créateur de valeurs et d’emplois. »

Daicap

• Porteur : AP-HP
• Partenaires : Inria, CHU de Lyon-Edouard Herriot, CHU de Lille, CHU de Strasbourg, CHU de Bordeaux-Pellegrin, Incepto

« Le projet Daicap (Développement d’un outil d’aide à l’interprétation de l’IRM prostatique) a pour but la détection et la caractérisation du cancer de prostate, basé sur l’intelligence artificielle (apprentissage profond par réseau de neurones).

L’objectif est le développement d’un algorithme qui exploitera l’analyse des données multicentriques d’IRM prostatiques collectées de façon prospective et rétrospective, segmentées et annotées par des experts et mises en correspondance avec les données histologiques et cliniques. L’outil développé permettra l’obtention d’un compte rendu d’IRM standardisé avec une prédiction de l’agressivité tumorale. »

(suite)

« Les partenaires de ce projet multicentriques sont :

• l’AP-HP qui coordonne le projet ;
• la Société d’imagerie génito-urinaire, regroupant les experts en imagerie urologique en France (CHU de Lille, HCL, CHU de Strasbourg et CHU de Bordeaux) ;
• le partenaire scientifique : l'équipe Epione de l’Inria localisée au sein du centre Inria Sophia Antipolis est experte en médecine numérique et plus spécifiquement dans l’analyse des images médicales pour l’aide au diagnostic, au pronostic et à la thérapie ;
• le partenaire industriel : Incepto, fournisseur et co-créateur européen de solutions d’IA dans le domaine de l’imagerie médicale. Incepto aura pour rôle la constitution de la base de données annotées du projet. »

(suite)

« La population d’utilisateurs finaux de cet outil sera les médecins radiologues en particulier non experts en imagerie urologique, les industriels en imagerie médicale (la solution développée étant non captive d’un constructeur), et les plateformes commerciales d’applications dotées en IA. »

Deepmap

• Porteur : Damae Medical

« Damae Medical développe une technologie d’imagerie optique propriétaire LC-OCT permettant d’acquérir des images microscopiques 3D de la peau. Dans le cadre du projet DeepMap, la société propose de développer une solution d’aide à l’interprétation de ces signaux dans le but à la fois de mieux caractériser les lésions suspectées de cancer et d’en définir les marges de résection optimales.

Afin de s’inscrire en leader du marché du diagnostic dermatologique, Damae Medical souhaite intégrer des solutions d’IA qui permettent de :

• faciliter l’utilisation du dispositif d’imagerie par le dermatologue et la compréhension des images par le dermatologue et par le patient ;
• soutenir le dermatologue dans l’interprétation des images, la pose du diagnostic, le guidage de l’acte chirurgical le cas échéant et le suivi du traitement du patient. »

Innerve

• Porteur principal : Quantmetry
• Partenaire : CHU Bicêtre (AP-HP)

« Le projet Innerve a pour objectif le développement d’un logiciel de diagnostic précoce des neuropathies des petites fibres, basé sur l’intelligence artificielle. En s’intégrant à l’environnement du scanner produisant les images 3D de biopsies de peau obtenues, il permettra au médecin de réaliser un décompte du nombre de fibresplus rapide (20 fois plus rapide), plus précis et répétable, et d’étendre à un plus grand nombre de patients ce diagnostic, améliorant ainsi la détection de ces maladies et limitant l’errance thérapeutique. »

(suite)

« Le projet Innerve est un partenariat entre Quantmetry, cabinet de conseil spécialisé en IA, et le service de neurologie adulte du CHU Bicêtre. Cela permettra d’exploiter des images médicales, enrichies d’annotation de médecins experts en neuropathologie, et de les convertir en un système d’aide à l’analyse et au diagnostic bénéficiant des méthodes les plus avancées en IA et vision par ordinateur.

De plus, l’élaboration de cet outil d’IA permettra, par la mise en commun de différentes sources de données, de capitaliser et partager les connaissances et pratiques de la communauté médicale en neuropathie des petites fibres. »

Precision-Predict

• Porteur principal : Institut Curie
• Partenaires : Centre Léon Bérard, Centre Oscar Lambret, Institut du Cancer de Montpellier, Centre Paoli-Calmettes, Centre Jean Perrin, Centre François Baclesse, Centre Georges-François Leclerc, Institut Bergonié

« Le projet Precision-Predict est porté par l’Institut Curie et 8 centres de lutte contre le Cancer référents en cancérologie, répartis sur tout le territoire national : Lyon, Marseille, Lille, Clermont-Ferrand,Montpellier, Dijon, Caen, Bordeaux.

Le but est de créer une base de données cliniques et d’imagerie médicales(Scanner X et TEP-Scanners) de patients atteints d’un cancer broncho-pulmonaire avec une mutation activatrice de l’EGFR et traités par une thérapie ciblée. Les objectifs sont de comprendre les raisons des succès et aussi des échecs qui peuvent être de natures diverses dont les médications prises en même temps que les médicaments du cancer. »

(suite)

« À titre d’exemple, il est connu que le jus de pamplemousse inhibe l’efficacité de certains traitements. Des médicaments peuvent être en compétition et diminuer l’efficacité du traitement du cancer, ou au contraire avec un effet synergique positif. Pour deux patients qui semblent présenter la même maladie (un adénocarcinome bronchique), la même mutation d’un gène, le même traitement, l’un va vivre cinq ans sans maladie avec la prise quotidienne d’un comprimé mais pour d’autres patients, l’efficacité sera moindre. Ceci signifie qu’il faut, pour que la médecine de précision tienne toutes ses promesses, mieux classifier ces cancers en utilisant toutes les données disponibles.

Les enjeux sont de mieux comprendre l’hétérogénéité de réponse aux thérapies ciblées qui doit faire appel à l’intelligence artificielle pour exploiter la multiplicité des éléments susceptibles de conditionner la réponse et utiliser des données hospitalières partagées  »en vie réelle«  de vrais patients. »

Sedaar

• Porteur principal : Fondation Rothschild
• Partenaire : ADCIS

« Le projet consiste en la construction d’une base d’images ophtalmologiques (OCT et rétinophoto) multimodale,multi pathologie et de qualité (annotation manuelle de qualité). Cette base servira au développement d’algorithmes d’IA afin de développer un service d’aide à la décision/interprétation à destination des orthoptistes et ophtalmologistes. Ces IA et cette base pourra servir également à la validation d’autres IA et à la labellisation automatiques d’images d’autres centres de santé. »

Tamis

• Porteur principal : Institut Mines Telecom
• Partenaires : CHU Avicenne (AP-HP), Tribvn

« L’intelligence artificielle constitue le moteur de la numérisation de la microscopie actuelle. L’IA offre la perspective d’un diagnostic plus précis et plus précoce. Tout l’enjeu de Tamis, projet de recherche transdisciplinaire porté par Telecom SudParis, l’hôpital Avicenne (APHP) et Tribvn, leader français en imagerie numérique, est de décupler ce bénéfice en couplant IA et production par microscopie holographique de jumeaux optiques super-résolus des frottis sanguins.

L’objectif est de permettre une manipulation numérique facilitée pour une exploration approfondie de l’ensemble du volume des cellules. Ces avancées constitueront le cœur des automates d’hématologie de nouvelle génération au bénéfice immédiat du patient et de l’hématologue. »

Tarpon

• Porteur principal : Université de Bordeaux
• Partenaires : CHU de Bordeaux

« Le projet Tarpon propose de construire un outil de surveillance et de recherche sur le traumatisme (accidents de la route, accidents du travail, accidents de la vie courante, violences, suicides) basé sur le traitement automatisé par intelligence artificielle des 21 millions de visites annuelles aux urgences en France.

Les derniers outils d’apprentissage profond (deep learning), supervisés et non supervisés, appliqués à l’analyse automatique du langage, ont connu récemment des développements spectaculaires qui permettent d’envisager une précision inégalée du codage de l’information du dossier médical informatisé produite par le personnel médical. »