Résumé du projet
Ce projet vise le développement d’une nouvelle méthode de segmentation automatique dédiée à la détection des atteintes pulmonaires au niveau des images tomodensitométriques (TDM). L’approche développée est basée sur des algorithmes de ‘Deep Learning’ couplés à des opérateurs morphologiques, pour une détection précise des structures pulmonaires atteintes (nerfs de la paroi, alvéoles). La solution proposée sera hébergée sur un serveur permettant ainsi aux différentes structures de santé un accès à distance et une collaboration plus étroite entre radiologues.
Objectif
L’objectif principal de ce travail consiste à développer et mettre en place un système d’aide à la décision à base d’intelligence artificielle appliquée à l’imagerie médicale, pour améliorer la prise en charge des patients atteints de SARS-CoV2. Pour y parvenir, les objectifs spécifiques suivants seront ciblés :
- Procéder à l’acquisition intelligente de données et d’images de patients et les convertir en informations pertinentes et exploitables en vue de créer et intégrer le savoir à travers l’enrichissement des bases de données d’images annotées par des experts confirmés ;
- Développer des algorithmes à base de ‘Deep Learning’ pour l’augmentation des données et la segmentation des images pulmonaires caractéristiques du coronavirus ;
- Générer des outils d’aide à la décision pour orienter le diagnostic et classifier les états d’atteintes, de l’absence aux différents stades de sévérités, en vue de produire des comptes-rendus types qui standardisent la description des images ;
- Proposer un environnement d’hébergement sécurisé qui assure un travail collaboratif et aide le personnel soignant à prendre des décisions éclairées rapidement, quel que soit l’endroit où il prodigue les soins ;
- Etendre cet environnement de prototypage dédié au coronavirus vers d’autres pathologies pulmonaires similaires telles que le syndrome respiratoire du Moyen-Orient (MERS8) et le syndrome respiratoire aigu sévère (SRAS).
Bénéficiaires
- Les médecins radiologues du centre hospitalier universitaire (CHU) Fattouma Bourguiba de Monastir ainsi que leurs confrères praticiens dans les hôpitaux internationaux et périphériques ;
- Les patients contrôlés positifs au coronavirus et hospitalisés au CHU Fattouma Bourguiba de Monastir ainsi que les hôpitaux périphériques.
Etablissement porteur du projet
Université de Monastir, Tunisie
Partenaires
- Centre Hospitalier Universitaire Fattouma Bourguiba – Monastir, Tunisie
- Centre Hospitalier Delafontaine à Saint Denis – Paris, France
Résultats
Les résultats immédiats de la mise en place d’un système d’aide à la décision à base d’intelligence artificielle appliquée à l’imagerie médicale pour améliorer la prise en charge des patients suspectés ou atteints de SARS-CoV2, peuvent se résumer comme suit :
- Création et amélioration du savoir relatif aux atteintes par SARS-CoV2 à travers la collecte des scanners thoraciques réalisés, et description des différents aspects retrouvés sur le TDM aux moments du diagnostics, du traitement, et après guérison ;
- Développement d’un modèle d’intelligence artificielle cliniquement utile pour le scanner thoracique ;
- Mise en en place d’une solution logicielle ;
- Réduction des coûts des prises en charge dans le temps et l’espace et l’amélioration de la gestion des patients ;
- Accélération de la prise en charge et de la décision pour les patients qui consultent dans les structures périphériques ;
- Réduction de la morbidité (impact socio-économique des séquelles à la suite d’un dépistage ou d’une prise en charge différée ou inadaptée) ;
- Comblement du manque d’expertise médicale dans les régions défavorisées ;
- Amélioration de la formation sur terrain des médecins radiologues dans ces structures ;
- Désencombrement des structures de troisième ligne en évitant les déplacements et les transferts inutiles ;
- Limitation du déplacement des personnes suspectées à risque, en évitant ainsi une exposition inutile.
Période de mise en œuvre
Juin 2020 à décembre 2020