Plateforme d’intelligence artificielle Lungscreenai dédiée au dépistage du Cancer du poumon
Projet de Madame Stéphanie LOPEZ
Data Scientist, Artificial Intelligence in Medical Imaging (LungScreenAI), Université Côte d’Azur.
Projet en collaboration avec le Professeur Bernard Padovani, Chef du pôle Imagerie Médicale - Radiologie du CHU de Nice
CONTEXTE : Stéphanie Lopez, docteure en informatique spécialisée en intelligence artificielle (IA), travaille depuis 2018 sur le projet LungScreenAI en étroite collaboration avec le service d’imagerie thoracique du Professeur Bernard Padovani. Environ 150 cancers du poumon sont diagnostiqués par an au CHU de Nice et au Centre Antoine Lacassagne.
LE PROJET : Le cancer du poumon est la première cause de mortalité dans le monde. Réduire le temps du radiologue consacré à la phase de constat, souvent longue et fastidieuse, permet d’allouer plus de temps à la phase d’interprétation. C’est dans ce cadre que s’inscrit LungScreenAI, plateforme basée sur l’IA qui vise à présenter un résumé détaillé et intuitif des principaux nodules pulmonaires.
Ce projet représente un levier dans la communication entre les radiologues et les patients. Il permet de rassurer ces derniers et d’inciter les personnes à haut risque à se faire dépister, pour augmenter le taux de survie à 5 ans, actuellement de 15 %, contre 80 % dans le cas des dépistages précoces.
Grâce aux financements déjà obtenus, un prototype d’interface visualisant les premiers résultats d’IA a été développé et entrera prochainement dans une phase de maturation en vue d’un test réalisé auprès des radiologues du CHU de Nice.
OBJECTIFS :
Diagnostic :
› Prédiction et prévention : permettre une prise en charge précoce
› Précision du suivi : éviter des examens invasifs inutiles et coûteux, sources de stress
› Rassurer et informer : inciter les patients à se faire dépister
Support IA :
› Prédiction et prévention : focaliser l’expertise du radiologue sur l’interprétation plutôt que sur le constat
› Précision du suivi : apprentissage sur des milliers de scanners pour plus de fiabilité
› Rassurer et informer : support de communication entre les radiologues et les patients
BÉNÉFICIAIRES : En 2017, 1,5 million de Français étaient éligibles au dépistage du cancer du poumon à un stade précoce ; 27 000 étaient alors rappelés pour des examens invasifs, avec le diagnostic de 10 000 cancers à un stade précoce et 17 000 faux positifs, dont près de 4 000 ont dû subir un acte chirurgical inutile et potentiellement source de complications médicales.
Cet outil permettra aux 9 000 médecins radiologues français et près de 300 internes en radiologie d’analyser un plus grand nombre de cas en un temps réduit.
INNOVATION : Les outils actuels qui permettent la détection de nodules pulmonaires identifient souvent un grand nombre de lésions bénignes, causant à la fois une perte de temps et de concentration pour le radiologue. De plus, ces outils n’apportent aucun soutien dans la communication des analyses aux patients.
La plateforme LungScreenAI permet aux radiologues de focaliser leur expertise sur les nodules les plus complexes. Intégrée dans une interface ludique, elle propose également un résumé visuel synthétique utile pour l’interprétation des résultats et une communication claire aux patients.
CALENDRIER PRÉVISIONNEL : Le projet a été lancé en 2018, grâce à un financement IDEX et UCA. En 2019, l’équipe s’est étoffée, pour permettre l’exploration de nouveaux axes de recherche et notamment pour rendre l’IA utilisable en autonomie par les radiologues par une interface. En 2019 encore, le projet a remporté l’appel à projet Explore initié par AstraZeneca ; il remporte en 2021 l’Appel à Manifestation d’Intérêt (AMI) du CHU de Nice.
Prochaines étapes du projet :
2021 :
› Maturation de l’interface en vue d’un test auprès des radiologues
› Valorisation des données et propriété intellectuelle
› Préparation de la phase de test avec la nécessité de serveurs récents pour rendre l’expérience fluide et la mise en situation concrète
2022 :
› Recrutement et achat de matériel
› Mise en place d’une interface prototype et structuration des données pour tester l’IA
› Test en interne sur les serveurs récents pour une utilisation fluide en temps réel et protocole clinique
BUDGET RECHERCHÉ : 265 000 euros
Data Scientist, Artificial Intelligence in Medical Imaging (LungScreenAI), Université Côte d’Azur.
Projet en collaboration avec le Professeur Bernard Padovani, Chef du pôle Imagerie Médicale - Radiologie du CHU de Nice
CONTEXTE : Stéphanie Lopez, docteure en informatique spécialisée en intelligence artificielle (IA), travaille depuis 2018 sur le projet LungScreenAI en étroite collaboration avec le service d’imagerie thoracique du Professeur Bernard Padovani. Environ 150 cancers du poumon sont diagnostiqués par an au CHU de Nice et au Centre Antoine Lacassagne.
LE PROJET : Le cancer du poumon est la première cause de mortalité dans le monde. Réduire le temps du radiologue consacré à la phase de constat, souvent longue et fastidieuse, permet d’allouer plus de temps à la phase d’interprétation. C’est dans ce cadre que s’inscrit LungScreenAI, plateforme basée sur l’IA qui vise à présenter un résumé détaillé et intuitif des principaux nodules pulmonaires.
Ce projet représente un levier dans la communication entre les radiologues et les patients. Il permet de rassurer ces derniers et d’inciter les personnes à haut risque à se faire dépister, pour augmenter le taux de survie à 5 ans, actuellement de 15 %, contre 80 % dans le cas des dépistages précoces.
Grâce aux financements déjà obtenus, un prototype d’interface visualisant les premiers résultats d’IA a été développé et entrera prochainement dans une phase de maturation en vue d’un test réalisé auprès des radiologues du CHU de Nice.
OBJECTIFS :
Diagnostic :
› Prédiction et prévention : permettre une prise en charge précoce
› Précision du suivi : éviter des examens invasifs inutiles et coûteux, sources de stress
› Rassurer et informer : inciter les patients à se faire dépister
Support IA :
› Prédiction et prévention : focaliser l’expertise du radiologue sur l’interprétation plutôt que sur le constat
› Précision du suivi : apprentissage sur des milliers de scanners pour plus de fiabilité
› Rassurer et informer : support de communication entre les radiologues et les patients
BÉNÉFICIAIRES : En 2017, 1,5 million de Français étaient éligibles au dépistage du cancer du poumon à un stade précoce ; 27 000 étaient alors rappelés pour des examens invasifs, avec le diagnostic de 10 000 cancers à un stade précoce et 17 000 faux positifs, dont près de 4 000 ont dû subir un acte chirurgical inutile et potentiellement source de complications médicales.
Cet outil permettra aux 9 000 médecins radiologues français et près de 300 internes en radiologie d’analyser un plus grand nombre de cas en un temps réduit.
INNOVATION : Les outils actuels qui permettent la détection de nodules pulmonaires identifient souvent un grand nombre de lésions bénignes, causant à la fois une perte de temps et de concentration pour le radiologue. De plus, ces outils n’apportent aucun soutien dans la communication des analyses aux patients.
La plateforme LungScreenAI permet aux radiologues de focaliser leur expertise sur les nodules les plus complexes. Intégrée dans une interface ludique, elle propose également un résumé visuel synthétique utile pour l’interprétation des résultats et une communication claire aux patients.
CALENDRIER PRÉVISIONNEL : Le projet a été lancé en 2018, grâce à un financement IDEX et UCA. En 2019, l’équipe s’est étoffée, pour permettre l’exploration de nouveaux axes de recherche et notamment pour rendre l’IA utilisable en autonomie par les radiologues par une interface. En 2019 encore, le projet a remporté l’appel à projet Explore initié par AstraZeneca ; il remporte en 2021 l’Appel à Manifestation d’Intérêt (AMI) du CHU de Nice.
Prochaines étapes du projet :
2021 :
› Maturation de l’interface en vue d’un test auprès des radiologues
› Valorisation des données et propriété intellectuelle
› Préparation de la phase de test avec la nécessité de serveurs récents pour rendre l’expérience fluide et la mise en situation concrète
2022 :
› Recrutement et achat de matériel
› Mise en place d’une interface prototype et structuration des données pour tester l’IA
› Test en interne sur les serveurs récents pour une utilisation fluide en temps réel et protocole clinique
BUDGET RECHERCHÉ : 265 000 euros