L’objectif du projet est l’élaboration d’un logiciel d’Intelligence Artificielle pour l’aide au diagnostic des cliniciens soignant des pathologies du système Artério-veineux (AV) humain à partir de données limitées ainsi que la mise au point d’objets spécifiques à finalité d’introduction au sein du système AV à toutes les échelles du système physiologique humain (cerveau, coeur, …).
Les équipes du consortium travaillent avec les HCL dans des domaines de la chirurgie AV (Dissection aortique, FAV, AVC, etc.) pour une aide à la chirurgie impliquant des outils d’intervention. Ces outils d’inspection (sondes) ou de soin (stents, coils) modifient les flux sanguins lors des interventions, faisant courir directement ou indirectement (via les contraintes pariétales) des risques supplémentaires aux patients. Les parties du système AV et les pathologies abordées sont hétérogènes (qq mm à qq cm, épaisseurs de paroi différentes). Chaque équipe a identifié des paramètres, dont les variations en cours d’opération sont synonymes de mise en danger des patients. Ces paramètres sont obtenus soit in vivo, soit en laboratoire (modèles échelle 1 patients spécifiques) ou via des simulations numériques fluide/structure (à partir de données IRM via OpenFoam/FSI ou/et COMSOL Multiphysics). D’un autre côté deux équipes du projet sont spécialisées dans l’IA et en particulier pour des applications médicales. Le projet dédiera 1 post-doc au développement de l’outil IA et à l’optimisation des réseaux de neurones choisis afin de les adapter parfaitement aux objectifs et aux paramètres des différentes pathologies visées et mesurables. Un 2nd post-doc sera destiné à acquérir les datas (mesures/numérique) qui serviront à nourrir et éduquer l’IA. Ce dernier post-doc utilisera les données issues des bancs expérimentaux du LMFA et du LTDS, il utilisera aussi les données numériques (pour lesquelles il devra maîtriser OpenFoam/FSI appliqué aux situations du LTDS et du LMFA qui pourront elle-même être issues de situations patients spécifiques des HCLs.
Parmi les objets introduits on pourra être amené à tester de nouveaux outils (en particulier des objets « coatés » de lipides aux propriétés anti-inflammatoires) de façon à optimiser les chances de réussites de leur pose. Ainsi à terme l’outil devrait servir non seulement pour l’aide à la décision mais aussi pour l’amélioration des outils déposables.
Les variations paramétriques peuvent être produites, via l’IA, pour des données d’entrée relatives à l’introduction d’outil et au système AV à soigner. L’objectif du projet est de mettre au point un tel système IA en ne fournissant en entrée du système qu’un minimum de données issues d’un des différents moyens d’inspection dont dispose les cliniciens a priori. In fine le système sera une aide au diagnostic avec l’aide d’un seul type de données d’entrée afin de réduire au minimum les moyens d’inspection nécessaires au clinicien (a contrario de la tendance actuelle, de fournir au clinicien le maximum de données).
Le projet propose, pour sa mise au point, d’alimenter le système IA avec les données issues de tous les moyens d’inspections des équipes. Dans un second temps l’outil sera testé sur une pathologie originale (non traitée par les équipes). La connaissance des données cliniques permettra la validation.
__________
Intelligence Artificielle, deep and machine learning, pathologies Artério Veineuse, FAV, dissection aortique, AVC, aide au Diagnostic
Intérêt sociétal, environnemental, industriel
L’intérêt sociétal est une aide au diagnostic simplifiée et patient-spécifique pour des pathologies qui provoquent chaque année des centaines de milliers de morts en France. Le marché visé est celui des logiciels de diagnostic pour tout type d’intervention artério-veineuse nécessitant l’introduction d’outil d’inspection (visualisation pour une aide à la pose), de réparation (stent, coils) ou de soutien (cathéter), etc. Les fabricants de matériels sont aussi des clients potentiels.
L’outil visé va apporter de l’aide à la chirurgie :
1) Pour une augmentation de la précision et de la certitude de réussite opératoire et donc plus de choix définitif de prothèses, et moins de risque d’échecs.
2) Pour accélérer les différentes étapes menant à la décision opératoire et donc permettra de plus la libération de lits et une augmentation du nombre d’opérations possibles donc un gain du point de vue de la santé nationale et internationale.
L’offre de technologie qui sera l’aboutissement de ce projet vise un marché mondial dont les clients sont les établissements de santé publics et privés. Toutes les spécialités médicales concernées contribuent à ce succès et proposent régulièrement de nouvelles indications pour une augmentation de la précision des données d’entrée dans un logiciel fonctionnant en auto-apprentissage.
Résultats
en cours
Porteur de projet
Serge Simoens - Laboratoire LMFA Centrale Lyon
en collaboration avec le LIRIS, CREATIS, HCL Louis Pradel de Bron Durée : 42 mois, Financement : 200 k€
Expertises
Expertises
Les laboratoires impliqués
LaMCoS
LaMCos
LMFA
LMFA
LTDS
LTDS
Contactez-nous
Une ingénierie adaptée aux services des enjeux de nos partenaires