Datathon 2023

Défi N°1 SOMEEG
Analyse automatique des stades de sommeil

L'interprétation des enregistrements de sommeil est consommatrice de temps. Les logiciels disponibles pour l'analyse automatique des tracés ont des limites en particulier pour le rendu des signaux EEG.
L'objectif principal est de mettre au piont une ananlyse automatique fiable des stades de sommeil et des micro éveils pour des enregistrements sommeil réalisé chez des patients en pratique courante.
l'analyse automatique des autres paramétres (respirations, mouvements périodiques du sommeil, mouvement oculaire, ...) pourra constituer un objectif secondaires, car des logiciels sont actulement disponibles pour l'analyse de ces autres paramètres).

Défi N°2 iHeart
Risque cardiovasculaire et image de la rétine

L'imagerie de la rétine est un examun non-invasif et rapide. La microvascularisation rétinienne donne des informations intéressantes sur l'état des vaisseaux du reste du corps. Aujourdhui, ces biomarqueurs sont obtenus à partir d'algorithmes dépendant du constructeur du scanner rétinien, et ne permettent pas d'obtenir des données quantitatives sur ses machines seulement.
L'objectif est de développer un algorithme non-propriétaire, permettant de prédire le rique cardiovasculaire d'un patient en se basant sur des examens d'imagerie rétiniennne, combiné aux informations cliniques.

Défi N°3 AI MRI
Développement d'un outil de suivi automatique de lésion tumorale

L'objectif est de développer un outils de tracking d'une cible mobile en radiothérapie sur des images IRM cinétiques pour le contrôle du tracking automatique d'un système constructeur. de ce fait, nous pourrons valider l'outil constructeur disponible en clinique, en analysant la correspondance entre le volume suivi automatiquement et le volume réel défini selon le niveau de gris dans les tumeurs pulmonaires.
Aujourd'hui, tout est réalisé manuelement coupe par coupe avec des outils d'aide basiques (seuillage/interpolation), ce qui est chronophage et avec une variété inter et intra opétaeur marqué.

Défi N°4 AGILE
Artificial intelligence Guided eplcardical fat Evaluation

La graisse épicardiaque joue un rôle physiopathologique majeur dans les maladies cardiovasculaire, mais est dificile à estimer manuellement en scanner ou IRM cardiaque, permettant seulemnt d'être quantifiée grâce à des mesures de volumes et de densités notament. Cette graisse, entourant le coeur joue un rôle important dans la physiopathologie de l'arythmie cardiaque, la fibrillation atriale la plus fréquente.
Nous voulons développer un algorithme de contournage automatique de celle-ci pour scanner et IRM, afin d'éviter la segmentation manuelle qui est longue, et peut reproductible.

Défi N°5 STARTER-BFC
Optimisation du Suivi Thérapeutique Pharmacologique des traitements contre le cancer

Les traitements par voie orale sont fondamentaux dans la prise en charge des patients atteints de cancer. Cependant, l'absence de prise en compte de leur pharmacocinétique est un frein à leur efficacité. La plupart du temps, ces traitements sont administrés à dose fixe pour tous, mais tous les patients n'ont pas la même capacité à éliminer le médicament, ce qui joue sur son efficacité, et son risque de toxicité. Nous aimerions automatiser le processus de collection des données, de modélisation et de création de compte-rendu de noter plateforme dédiée.

Défi N°6 EREBIA
Moteur de recherche sur les données de santé

Lors de la mise en place de projets de recherche en santé, il faut trouver les bons patients. Nous avons besoin d'un oufil permettant de rechercher dans une masse importante de données les patiens qui intéressent les équipes médicales. L'enjeu est de pouvoir analyser des champs de texte qui sont aujourd'hui exploités manuellement, afin de gagner du temps, d'exploiter les informations inexploitées aujourd'hui et de mieux cibler les patients. Les utilisateurs de l'entrepôt de données aimeraient faire des sélections de patients en appliquant des critères, sans avoir à faire de développement informatique. Ils manquent d'une interface simple.

Défi N°7 AI-MBAP
Al for Mouse Brain Anatomical Phenotypes

Les patients atteints de maladie neurogénétiques présentent fréquemment un cerveau malformé et une déficience intellectuelle. Nous nous intéressons aux rôles des gènes WD40- repeat, formant la plus grande famille de gènes dans le développement du cerveau et la connectivité neuronale, présente également chez la souris afin de valider et d'explorer les maladies du neurodéveloppement. Notre objectif est de connaître les gènes impliqués dans cette construction morphologique du cerveau. La solution que nous attendons permet de segmenter automatiquement les structures cérébrales qui nous intéressent, et d'identifier des défauts neuroanatomiques dans des cerveaux mutants.

Défi N°8 CASC
Coronary Artery Segmentation Challenge

Les maladies cardiovasculaires sont une cause majeure de décès dans le monde. L'angiographie coronarienne par tomodensitométrie (CTCA), est une méthode d'imagerie utilisée pour évaluer la maladie coronarienne, afin d'évaluer et de modéliser les structures du coeur et des artères coronaires. En raison du manque de méthodes robustes de segmentation automatique des artères coronaires, la plupart des cliniciens s'appuient principalement sur des méthodes semi-automatiques nécessitant des opérations manuelles, lentes et fastidieuses. Nous souhaitons développer une méthode pour la segmentation automatique des artères coronaires à partir d'images de type CTCA.

Défi N°9 IACG
lA pour le diagnostic histologique des artérites à cellules géantes

La maladie de Horton ou artérite à cellules géantes, peut se manifester par une baisse de la vue, des douleurs à la tempe, ou à la mâchoire, est une maladie inflammatoire vasculaire dont le diagnostic nécessite une biopsie d'artère temporale. L'analyse des biopsies au laboratoire reste limitée par la variabilité inter et intra observateur, le risque d'erreur, le manque de standardisation, l'absence de modèle de prédiction fiable, etc. L'objectif est de développer un algorithme d'lA pour identifier les structures histologiques, et d'aide au diagnostique à la maladie d'Horton, grâce à une prédiction d'évolution de la maladie, idéalement avec une approche non supervisée.

Défi N°10 ScreenAct
Clinical Screen IA-WEB3

Les oncologues ont en moyenne 6 minutes pour prendre une décision thérapeutique lors des réunions de concertation pluridisciplinaire (RCP). Ils ont désormais à leur disposition ScreenAct, qui permet d'identifier rapidement un essai clinique à proposer à leur patient afin de résoudre un paradoxe : beaucoup d'essais peinent à recruter alors que beaucoup de patients veulent y accéder. Les informations sont rentrées dans l'application à la main et nous voulons que celles-ci soient directement issues des bilans biologiques et histopathologiques des patients. Nous avons mis en place la première étape, celle de structurer les données d'entrées des différents registres d'essais et des algorithmes de « matching ». Lors du Datathon, nous aimerions développer l'étape de structuration et d'analyse des données des patients contenues dans leur dossier.

Défi N°11 FERAD
Facial Expression Recognition in Alzheimer's Disease

L'objectif de ce projet est de favoriser le maintient de la communication verbale avec les patients atteints d'Alzheimer à un stade évolué de la maladie. Les patients atteints de troubles cognitifs présentent des capacités réduites de communication en particulier verbale, mais il est possible de maintenir cette communication en observant leurs émotions. Nous souhaitions pouvoir identifier une émotion (indifférence, joie, tristesse, agressivité, anxiété) chez un patient atteint d'Alzheimer en se basant sur l'observation des émotions sur son visage, à travers une solution robotisée.

Défi N°12 Smart Trach
Conception d'un Trach connecté

Avec la situation actuelle des services de réanimation, la mise en place d'outils intelligents, capables d'optimiser le suivi des patients à Trach est cruciale. Dans le cadre de ce projet, nous envisageons, dans un premier temps, la conception d'un Trach connecté. Ce dispositif sera doté de plusieurs capfeurs permettant de collecter les données liées à l'état de santé du patient et les communiquer aux serveurs Edge. Ces données seront exploitées dans un deuxième temps pour à la fois assurer un suivi des patients en temps réel et également alimenter un modèle prédictif basé sur l'apprentissage fédéré.

Défi N°13 CAPIA
lA pour l'aide à la capillaroscopie pour le diagnostic de syndrome de Raynaud secondaire

La capillaroscopie peri-unguéale est un examen habituellement réalisé dans le bilan des phénomènes de Raynaud afin de ne pas méconnaître un Raynaud secondaire à une maladie de type vascularite, sclérodermie ou dermatomyosite. L'analyse de l'architecture et de la morphologie capillaire, permet d'évoquer ces maladies afin de guider le bilan. L'IA, en utilisant les images de capillaroscopie, permettrait une aide à la détection des suspicions de Raynaud secondaire et nous devrons réfléchir à son aide dans le pronostic des sclérodermies et dans le pronostic d'apparition d'ulcère dans la sclérodermie.