Le Health Data Hub dévoile les lauréats de son appel à projet centré sur l'intelligence artificielle

Après un 1er appel à projets en 2019, le Health Data Hub a lancé un nouvel appel à projet « L’IA pour une expérience améliorée du système de santé ». Découverte des lauréats.

Fort du succès du 1er appel à projets, le Health Data Hub a lancé son second appel à projets co-organisé avec le Grand Défi « Amélioration des diagnostics médicaux par l’Intelligence Artificielle », et Bpifrance. Cet appel à projets avait pour vocation de sélectionner une deuxième vague de projets innovants consacrés cette fois-ci à l’amélioration de l’expérience du système de santé par l’IA qui bénéficieront de l’accompagnement du HDH, et d’un financement du Grand défi.

Issu du Conseil de l’Innovation, le Grand Défi « Amélioration des diagnostics médicaux par l’intelligence artificielle » vise à accélérer l’usage de l’intelligence artificielle au bénéfice des patients et des professionnels de santé.

Chaque projet retenu dans le cadre de cet appel à projets “L’IA pour une expérience améliorée du système de santé” fera l’objet :

d’un soutien financier provenant du Grand Défi et opéré par Bpifrance d’un montant maximum de 300K€ sous forme de subvention pour des dépenses de recherche et développement et pour une durée de projet comprise entre 12 mois et 24 mois ;
d’un accompagnement opérationnel de la part du HDH portant par exemple sur les démarches visant à accéder aux données, l’appui à la collecte et l’organisation des données, la mise à disposition de moyens de calcul et de stockage, la mise en relation avec d’autres acteurs de l’écosystème.

138 initiatives se sont portées candidates à cet appel à projets qui s’est clôturé le 1er juin. Ce nombre, ainsi que la diversité des porteurs de projets (structures publiques/laboratoires de recherche (48%), PME (43%), grandes entreprises (5%) et les associations (4%) ) reflètent les attentes fortes de l’écosystème vis-à-vis du Health Data Hub. Ils se sont positionnés sur un des deux axes suivants : « développement d’application à base d’IA à destination des professionnels ou des patients » ; ou « développement de modèles de populations pour la prévention ou la thérapie fondés sur des techniques innovantes d’analyse de données ».

Pour effectuer la sélection des lauréats, plusieurs étapes ont été initiées :

Du 2 au 8 juin, les équipes HDH et Bpifrance ont vérifié la recevabilité des dossiers : leur complétude et leur pertinence au regard des objectifs de l’appel à projets.
Du 9 au 26 juin, ces dossiers ont été évalués par des rapporteurs de la DREES, DNS, DGOS, DGRI, DGE, Grand Défi, HDH, Bpifrance en fonction de leurs bénéfices potentiels rapides, leur faisabilité et leur aspect réaliste, leurs capacités à porter le projet et la maturité de celui-ci, l’aspect innovant de l’usage de la donnée de santé en s’appuyant sur l’IA, leur contribution au partage des données mobilisées, le dimensionnement et la pertinence de l’accompagnement demandé. A l’issue de cette préselection, 21 projets ont été retenus en vue du jury.
Les 6 et 7 juillet 2020, les candidats présélectionnés ont pu défendre leur projet devant un jury composé de représentants qualifiés des domaines de la santé, de la recherche et de l’intelligence artificielle

10 lauréats pour cet appel à projet

À l’issue des deux jours d’auditions, le jury a retenu dix projets, qui, au-delà de leur qualité scientifique ou leurs retombées en termes d’amélioration du système de santé, vont permettre d’enrichir le catalogue de données partagées par le HDH.

Projet AI-DA Ultrasound / Porteur principal : E-SCOPICS / Partenaire : CHU 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, 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. L’objectif du projet AIDA-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.

Projet APRIORICS / Porteur principal : CHU Toulouse / Partenaire : Institut Claudius Regaud

Le cancer du sein est le plus fréquent des cancers en France. Sa prise en charge repose essentiellement sur la description microscopique des tumeurs par le pathologiste. Or, face à une complexité et à une variabilité extrêmes des tumeurs, le pathologiste résume l’information morphologique à quelques critères peu distinctifs et moyennement reproductibles. 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 premiers bénéficiaires du projet APRIORICS 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.
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 de 1500 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. En proposant une application innovante de l’intelligence artificielle en médecine, cette équipe multidisciplinaire sera à l’œuvre pour apporter une contribution majeure dans la prise en charge des cancers du sein.

Projet APSoReN / Porteur principal : CHU Toulouse / Partenaire : Collective Thinking

Le Traumatisme Crânien (TC) est en voie de devenir la première cause de décès et de handicap chez l’adulte jeune. Les conséquences sont d’autant plus graves que beaucoup de patients n’ont pas pleinement conscience de leurs difficultés cognitives, délaissant la poursuite des soins qui leurs seraient pourtant nécessaires. Le projet APSoReN a pour objectif de fournir un outil permettant de repérer les patients victimes de TC qui ne bénéficieraient pas de l’ensemble des soins. 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 compte-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.
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 de vrais 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.

Le projet APSoReN vise à utiliser l’intelligence artificielle et les données de soins des patients victimes de traumatisme crânien d’hier afin d’améliorer les soins de demain.

Projet DAICAP / Porteur principal : AP-HP / Partenaires : Inria, CHU Lyon-Edouard Herriot, CHU Lille, CHU Strasbourg, CHU Bordeaux-Pellegrin, INCEPTO

Le projet “Développement d’un outil d’aide à l’interprétation de l’IRM prostatique” (DAICAP) 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. Les partenaires de ce projet multicentriques sont:

L’APHP qui coordonne le projet
La Société d’Imagerie Génito-Urinaire, regroupant les experts en imagerie urologique en France (CHU Lille, HCL Lyon, CHU Strasbourg et Bordeaux)
Le partenaire scientifique : l’équipe Epione de l’INRIA (institut national de recherche en sciences et technologies du numérique) 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’intelligence artificielle dans le domaine de l’imagerie médicale. Incepto aura pour rôle la constitution de la base de données annotées du projet.

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.

Projet DEEPMAP / Porteur principal : DAMAE Medical / Partenaires : NA

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

Projet 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 fibres plus 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. 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’Intelligence Artificielle 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.

Projet 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 huit 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. A 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.

Projet 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.

Projet 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.

Projet TARPON / Porteur principal : Université de Bordeaux / Partenaires : CHU 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, 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.

Source : BPI France