Data Challenge DigiLut - Amélioration de la détection du rejet de greffe pulmonaire

Objectifs de l’algorithme

Outils d’identification de patients / dépistage biologique

Ce Data Challenge, porté par l’Hôpital Foch, a pour objectif de faire émerger une solution d'aide à la décision médicale visant à consolider le diagnostic des épisodes de rejet de greffe dans le cadre des transplantations pulmonaires. En effet, le diagnostic de rejet en transplantation est une étape clef de la prise en charge des patients transplantés pulmonaires. Cependant, ce diagnostic est actuellement peu reproductible et sous-détecté, impliquant un impact négatif majeur pour les patients concernés.

La compétition s’est déroulée du 14 juin au 14 août 2024 et a attiré un total de 256 participants. Ce challenge a permis de mettre en évidence la complexité de cette problématique et de faire émerger des collaborations entre data scientist et chercheurs.

Pour en savoir plus sur les data challenges en santé accompagnés par le HDH, rendez-vous ici.

Auteur(s)

Établissement de santé

Hôpital Foch

Domaine médical

Maladies respiratoires

Méthodologie

Les participants ont dû créer des algorithmes capables d'identifier les zones pathologiques sur des lames de biopsies transbronchiques numérisées, afin de déterminer la présence et la gravité de lésions caractéristiques du rejet de greffe.

La méthodologie de construction des algorithmes lauréats est détaillée dans les dépôts GitHub associés.

Langage de programmation

Python

Données utilisées

Données d'application

Données d’imagerie

Ces algorithmes ont été développés dans le cadre du Data Challenge DigiLut sur la base d’un ensemble de données constitué d'images haute résolution de 2500 couples de lames microscopiques issues de la numérisation de biopsies bronchiques provenant de patients transplantés pulmonaires suivis à l'hôpital Foch.

Cette base de données sera prochainement accessible en open data sur data.gouv.fr.

Après désarchivage, numérisation et anonymisation, une partie des lames virtuelles ont été annotées par un panel international d'experts pathologistes (USA, Canada, France, Allemagne, Italie, Royaume-Uni, Pays-Bas). Cette phase a permis d’améliorer de façon significative la qualité des données.