Intelligence artificielle en santé : 10 nouveaux défis pour faire émerger les solutions de demain
Cancer, maladies cardiovasculaires, troubles neurodéveloppementaux, soins critiques : 10 nouveaux Data Challenges soutenus par France 2030 mobiliseront l'intelligence collective pour accélérer l'innovation en santé.
Comment développer plus rapidement des solutions d'intelligence artificielle capables d'améliorer le diagnostic, la prévention ou la prise en charge des patients ?
Pour répondre à cet enjeu, la Plateforme des données de santé, en partenariat avec le Secrétariat général pour l'investissement (SGPI), l'Agence de l'innovation en santé (AIS), la Délégation au numérique en santé (DNS) et opéré par Bpifrance, annoncent la sélection de 10 nouveaux projets lauréats dans le cadre de l'appel à projets « Data Challenges en santé ».
Le principe est simple : mettre à disposition des données de santé autour d'une problématique médicale et inviter des équipes de chercheurs, cliniciens, ingénieurs ou data scientists à une compétition lors de laquelle ils devront développer les meilleures solutions possibles.
En partenariat étroit avec des établissements de santé, des centres de lutte contre le cancer et des sociétés savantes bénéficiant d’une expertise de terrain approfondie sur ces sujets, les 10 nouveaux projets sélectionnés porteront notamment sur la détection précoce du cancer du pancréas, la prédiction de troubles neurodéveloppementaux, les maladies cardiovasculaires, les allergies ou encore les soins critiques.
Depuis 2020, cette démarche a déjà permis d'organiser 8 compétitions sur des sujets majeurs de santé et de mettre à disposition plus d’une trentaine de ressources (bases de données et modèles), bénéficiant directement à la communauté des chercheurs en santé, via la Bibliothèque ouverte des algorithmes en santé (BOAS) et la plateforme data.gouv.fr.
10 nouveaux défis pour l'IA en santé
- AIM-CTG – Groupement des Hôpitaux de l'Institut Catholique de Lille : développer une IA capable d'analyser automatiquement le rythme cardiaque fœtal afin d'améliorer le suivi de la grossesse et de l'accouchement.
- ALLERGOPEST – Société Française d'Allergologie : mieux comprendre l'impact de l'exposition aux pesticides sur le risque d'asthme et d'allergies grâce à l'intelligence artificielle.
- DATACESAR – MIRACL.ai : identifier plus rapidement les patients atteints de maladies cardiaques nécessitant une prise en charge spécialisée.
- DIPLOMA – Fondation Hôpital Saint-Joseph : détecter précocement les cancers du pancréas à partir d'examens d'imagerie réalisés en routine.
- LOT-LuCA – UNICANCER : reconstituer automatiquement les parcours thérapeutiques des patients atteints d'un cancer du poumon à partir de données de vie réelle.
- NEURODEV – Institut Pasteur et AP-HP : prédire plus tôt certains troubles neurodéveloppementaux grâce à l'analyse d'images cérébrales.
- PEDIAFEVER – CHU de Nantes : aider à repérer les infections bactériennes sévères chez les jeunes enfants présentant de la fièvre.
- PINKCC PANC – Institut du Cancer de Montpellier : développer des outils d'IA pour améliorer la détection du cancer du pancréas à partir de scanners et d'IRM.
- PRISME ICU – CHU de Toulouse : mieux prédire l'évolution des patients hospitalisés en soins critiques afin d'orienter leur prise en charge.
- TRANSPOP – CHU Grenoble Alpes et Hospices Civils de Lyon : anticiper les besoins de transfusion lors d'une intervention chirurgicale grâce aux données préopératoires.
Les projets bénéficieront d'un financement France 2030 ainsi que d'un accompagnement de la Plateforme des données de santé pour organiser leur compétition et valoriser leurs résultats.
Quand l'innovation ouverte accélère la recherche
Au-delà des technologies développées, les Data Challenges illustrent une évolution majeure de la recherche en santé : l'innovation ouverte.
Plutôt que de travailler en silo, chercheurs, établissements de santé, entreprises et experts de la donnée sont invités à collaborer autour de ressources partagées afin d'identifier plus rapidement les approches les plus performantes.