Améliorer le diagnostic grâce à l'IA : focus sur cinq projets innovants portés par des médecins

Le Health data hub, plateforme hexagonale de données de santé, va accompagner 10 nouveaux projets consacrés à l'amélioration du système de santé par l'intelligence artificielle (IA) et notamment des diagnostics médicaux.

C'est la deuxième fois cette année que le hub prête main-forte à de jeunes pousses ou projets de recherche académique. En janvier, la plateforme avait sélectionné une dizaine de sociétés pour les aider à se procurer les données de santé nécessaires pour avancer sur leurs recherches. Ces lauréats devaient en contrepartie verser leurs données dans le catalogue du hub.

Cette fois-ci, la seconde vague de sélection, démarré en février, est co-organisée avec le « Grand Défi », projet lancé par le gouvernement pour développer des domaines stratégiques et technologiques en France (un fond d'innovation annuel de 120 millions d'euros est alloué à cinq domaines dont la santé). Les candidats avaient obligation de présenter des projets centrés sur l'IA et notamment l'amélioration des diagnostics. Seuls 10 projets, dévoilés le 9 juillet, ont été retenus sur les 138 candidats.

Chaque lauréat, principalement médecin, bénéficie d'une aide financière allant jusqu'à 300 000 euros pour avancer sur son projet pendant un à deux ans ou recruter. Ils bénéficient aussi d'un accompagnement technique du hub pour accéder aux données manquantes ou aux interlocuteurs pertinents comme la CNIL. Florilège.

Apriorics pour décrire les tumeurs responsables du cancer du sein

C'est un projet mené par deux pathologistes, les Drs Camille Franchet du CHU de Toulouse et Arnaud Abreu de l'Institut Claudius Regaud. Il vise à utiliser une IA pour décrire la variabilité et la morphologie des tumeurs responsables du cancer du sein. 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. Ils ambitionnent à terme de personnaliser le traitement du cancer du sein.

APSoREN pour repérer les patients victimes de traumatisme crânien

Le projet est conduit par le Pr Xavier de Boissezon, praticien hospitalier dans le service de médecine physique et de réadaptation au CHU de Toulouse. Il a pour but d'améliorer la prise en charge des patients victimes de traumatisme crânien qui sortent du circuit de soins. Différents outils d'IA vont analyser les lettres et comptes rendus médicaux des patients pris en charge au CHU de Toulouse depuis 2015. Ces données seront ensuite chaînées avec les données de l'assurance-maladie afin de reconstruire les parcours de soins et identifier ceux correspondants aux patients qui échappent aux soins. L'objectif est de corriger les failles. À terme, l'équipe imagine une prise en charge personnalisée.

DAICAP pour détecter le cancer de la prostate

Il est porté par le Pr Raphaële Renard Penna, radiologue à l'hôpital de la Pitié-Salpêtrière (AP-HP) ainsi que les CHU de Lille, Bordeaux, Strasbourg, Lyon et l'INRIA. Ils souhaitent développer un outil d’aide à l’interprétation de l’IRM prostatique pour les radiologues (non experts en imagerie urologique). Les équipes travaillent sur un algorithme qui analysera des images annotées d'IRM de la prostate. Elles seront ensuite mariées avec les données histologiques et cliniques des cancers prostatiques. La finalité est d'obtenir un compte rendu d'IRM prédisant l'agressivité tumorale et d'éviter des biopsies invasives.

Deepmap pour affiner le diagnostic des cancers de la peau

Afin de préciser les diagnostics des cancers de la peau - mélanomes et carcinomes - Anaïs Barut, cofondatrice de DAMAE Medical a développé une sonde capable « d'imager la peau en profondeur » en mêlant des images dermoscopiques et microscopiques. Deepmap permet de détecter en temps réel la présence de mélanocytes ou de nodules profonds dans la peau. L'outil balaie également une zone importante autour de la lésion afin d'indiquer au dermatologue les meilleurs angles d'opération. Deepmap a également vocation à suivre dans le temps l'évolution de la pathologie chez le patient : nombre de cellules cancéreuses, taille, épaisseur des nodules, etc.

Sedaar pour construire une base d’images ophtalmologiques

Avec des délais de prise de rendez-vous qui ne cessent de s'allonger chez certains spécialistes, le Dr Rabih Hage, ophtalmologue et responsable d’unité médicale à la fondation Rothschild veut aller plus vite pour diagnostiquer les patients dans le besoin. Pour ce faire, il souhaite dans un premier temps construire une base d’images ophtalmologiques (tomographie en cohérence optique et rétinophoto) de qualité (annotation manuelle). Dans un second temps, il compte utiliser cette base pour entraîner des algorithmes d’IA afin d'élaborer un service d’aide à l'interprétation du diagnostic, notamment de la dégénérescence maculaire liée à l'âge (DMLA).