DEEP DOPA. . Utilisation du Deep Learning pour le diagnostic de maladie de parkinson à partir de l’analyse des images TEP à la 18F-FDOPA.
Objectif(s) de la recherche et intérêt pour la santé publique
Objectifs poursuivis
Domaines médicaux investigués
Bénéfices attendus
Objectif principal : Identifier un algorithme de Deep Learning capable de faire la classification automatique des images TEP à la 18F-FDOPA des noyaux gris centraux (normaux versus pathologiques).. . . Objectifs secondaires. . - Identifier des nouveaux biomarqueurs quantitatifs de la maladie de Parkinson à partir de l’analyse des indexs de radiomique.. . - Comparer les performances de cet algorithme de Deep Learning par rapport à celles de l’expert humain et celles d’un algorithme de Machine Learning (analyse des radiomique).. . - Analyser les causes des résultats discordants entre les algorithmes et l’expert humain.
Données utilisées
Catégories de données utilisées
Source de données utilisées
Variables sensibles utilisées
Acteurs finançant et participant à l'étude
Responsable(s) de traitement
Type de responsable de traitement 1
Responsable de traitement 1
Responsable(s) de mise en oeuvre non cités comme responsable de traitement
Responsable de mise en oeuvre non cité comme responsable de traitement 1
Calendrier du projet
Base légale pour accéder aux données
Durée de conservation aux fins du projet (en années)
2
Fondement juridique
Article 6 du RGPD (Licéité du traitement)
Article 9 du RGPD (Exception permettant de traiter des données de santé)
Transfert de données personnelles vers un pays hors UE
Droits des personnes
Information globale faite par voie d’affichage au Centre Antoine Lacassagne.. . Information individuelle faite par envoi de courrier aux patients n’ayant pas eu connaissance de la note d’information.. . Information faite dans mesdonnees.unicancer.fr pour les patients ayant été informé de l’existence de ce site... . Lette d’information fournie aux centres extérieurs.