Journée Santé et IA

Pour des raisons de sécurité, il vous sera demandé à l’entrée une pièce d’identité (carte nationale d’identité, passeport ou permis de conduire). Seul le dépôt d’une de ces trois pièces officielles vous permettra d’accéder à l’auditorium.

Par Olivier Colliot, directeur de recherche CNRS à l’ICM, Pierrick Coupé, directeur de recherche CNRS au LABRI, et Rodolphe Thiébaut, professeur à l’Université de Bordeaux, praticien hospitalier, directeur d’équipe Inserm/Inria 

Directeur général délégué à la science du CNRS

Résumé

Parler de révolution numérique dans le domaine de la santé n’est pas excessif. Le numérique transforme radicalement le monde de la médecine qui se veut aujourd’hui prédictive, de précision, participative et préventive (une médecine dite des « 4 P »). La toile mérite bien son nom tant sont multiples les interactions qu’elle offre aux parties prenantes : patients, médecins, personnels soignants, chercheurs, sites d’informations et de conseils, objets connectés, économistes de la santé.

La personne, le malade, l’individu sont-ils bien au centre de la toile ? L’intelligence artificielle (IA) amène-t-elle à réviser la formation des médecins ? Peut-on aujourd’hui se soigner sans ordinateur ? Le smartphone devrait-il être remboursé par l’Assurance maladie ?  Nos données de santé nous appartiennent-elles ou doivent-elles être considérées comme un bien de l’humanité à partager ?

Les premières applications du numérique et de l'IA sont prometteuses mais il existe des défis à ne pas sous-estimer : l’évaluation rigoureuse du bénéfice pour le patient, le médecin et le système de santé ; le respect, la non-commercialisation et l’absence d’utilisation subreptice des données privées ; l’explicabilité des décisions algorithmiques ; la formation des personnels soignants et du corps médical. Enfin et surtout, la nécessité de préserver le lien si particulier qui se crée entre le médecin et son patient.

Intervenant

Pierre Corvol, docteur en médecine et scientifique, est professeur émérite au Collège de France et Président de l’Académie des Sciences

Après un post-doctorat au NIH (1969-1970), il a mené en parallèle une activité clinique hospitalière (Service de médecine cardiovasculaire à l’hôpital Pompidou) et de recherche comme directeur de l’unité Inserm  « Pathologie vasculaire et endocrinologie rénale ». Il a été le titulaire de la chaire de Médecine Expérimentale au Collège de France de 1989 à 2012.

Il a étudié les mécanismes hormonaux de régulation de l’hémodynamique cardiovasculaire et du métabolisme hydro-sodé. Il a élucidé les structures et la fonction des éléments du système rénine et montré le rôle crucial de ce système dans le contrôle de la fonction rénale et cardiaque. Ses études ont contribué au développement d’inhibiteurs du système rénine couramment utilisés dans l’hypertension artérielle, les maladies cardiovasculaires et rénales. Il a mené les premières études sur la génétique de l’hypertension artérielle humaine.

Il est membre de l’Académie des Sciences dont il est actuellement le Président, membre de l’Académie Nationale de Médecine et de l’American Academy of Art and Sciences. Il a reçu de nombreux prix dont le Ciba Award for Hypertension Research, le Humbold award et le Grand Prix Inserm 2006.

Dans les salles attenantes de l'auditorium

Résumé

L’imagerie médicale est l’une des sources d’information les plus riches sur le patient, mais également l’un des plus complexes à étudier. L’analyse des masses de données produites en routine clinique constitue un challenge pour le clinicien confronté à la nécessité de réaliser une tâche difficile (extraire une information précise d’un grand volume d’images) dans un temps limité (augmentation des rendements). Dans ce contexte, les logiciels d’aide à la décision ont pour objectif d’assister le clinicien en réalisant une analyse automatique des données adaptée à la tâche ciblée. Les domaines d’application concernent essentiellement l’aide au diagnostic, au choix thérapeutique et au pronostic. Les avancées récentes dans le domaine de l’aide à la décision pour l’imagerie médicale reposent sur des méthodes issues de l’intelligence artificielle, plus spécifiquement de l’apprentissage machine, constituées de modèles statistiques ajustées sur des bases de données d’images. Dans cet exposé, nous nous appuierons sur quelques exemples de modèles diagnostiques et pronostiques pour illustrer l’intérêt clinique de ces logiciels, dresser un état de l’art et pointer les défis à relever pour améliorer les performances de ces outils et permettre leur transfert en pratique clinique.

Intervenante

Carole Lartizien est directrice de recherche au CNRS et mène ses recherches au Centre de Recherche en Acquisition et Traitement d'Images pour la Santé (CREATIS - CNRS/Inserm/Université de Lyon/INSA Lyon) à Lyon. Ses travaux portent sur le développement de modèles par apprentissage sur des données d’imagerie médicale pour l’aide au diagnostic et au pronostic. Les domaines d’application concernent majoritairement l’imagerie du cancer et la neuroimagerie.

Résumé

La caractérisation d’une maladie nécessite de prendre en compte des données hétérogènes. Les données génétiques et les facteurs environnementaux influent sur le risque de développer une maladie. Les résultats de tests biologiques (sanguins par exemple) permettent de caractériser différents processus pathologiques. L’imagerie médicale fournit une cartographie des altérations anatomiques et fonctionnelles des organes. Les évaluations cliniques renseignent sur les symptômes du patient.

Comment intégrer ces données hétérogènes dans des outils d’intelligence artificielle ? Comment les modéliser afin de mieux comprendre des maladies complexes et multifactorielles ? Peuvent-elles apporter des informations complémentaires afin de mieux repérer, prédire et prendre en charge les maladies ? Cet exposé adressera ces questions en prenant l’exemple des maladies neurodégénératives.

Intervenant

Olivier Colliot, directeur de recherche CNRS à l’Institut du Cerveau et de la Moelle épinière (ICM - CNRS/Inserm/Sorbonne Université). Il dirige l'équipe ARAMIS, commune entre le CNRS, Inria, l'Inserm et Sorbonne Université. Ses recherches portent sur l'intelligence artificielle pour l'étude et la prise en charge des maladies neurologiques.

Dans les salles du rez-de-chaussée du bâtiment H

Résumé

Les entrepôts de données de santé (EDS) intègrent des données médicales de vie réelle de millions de patients avec comme ambition de faire avancer la recherche scientifique dans le domaine de la santé en facilitant la réutilisation des données pour des études multicentriques, la découverte de nouvelles connaissances, la prise de décision. À côté des enjeux éthiques et sociétaux soulevés par la constitution et les règles d'accès aux EDS, l’afflux de données de qualité diverse, hétérogènes et massives est d'une grande complexité pour le médecin et le chercheur. L'intelligence artificielle, par des approches symbolique et numérique offre des solutions telle que la formalisation des connaissances permettant la standardisation, l'annotation, l'alignement de données hétérogènes ou telle que l'apprentissage automatique permettant une interprétation plus précise des données. Les expériences des EDS comme ceux de l'APHP ou du CHU de Rouen viendront illustrer les difficultés et les succès de l'intelligence artificielle dans ce contexte.

Intervenante

Marie-Christine Jaulent est ingénieur informaticienne de formation, a obtenu un doctorat d'université en Intelligence Artificielle en 1986 et est actuellement directrice de recherche Inserm. Elle dirige le Laboratoire d'Informatique Médicale et d'Ingénierie des Connaissances en e-Santé (LIMICS - Inserm/Sorbonne Université/Université Paris 13) qui effectue des recherches dans les domaines de l'Informatique médicale et de l'Ingénierie des connaissances pour la e-Santé. Ses recherches portent sur la modélisation de l’information en santé (données et connaissances), l’interopérabilité sémantique entre systèmes d’informations de santé et les systèmes d’aide à la décision.

Résumé

Les données dites "ouvertes" - mises à disposition de l'ensemble de la communauté scientifique - transforment peu à peu la façon dont les chercheurs travaillent. En neurosciences, les centaines de milliers d'images ouvertes aujourd'hui disponibles offrent l'opportunité d'un véritable changement d'échelle dans l'étude du cerveau. Dans cet exposé je présenterai comment cette multitude de données ouvertes permet d'obtenir des résultats de recherche plus solides et quels sont les nouveaux enjeux de la réutilisation des données.

Intervenante

Camille Maumet, chargée de recherche Inria dans l'équipe Empenn au sein de l’Institut de recherche en informatique et systèmes aléatoires (IRISA - CNRS/ENS Rennes/Inria/INSA Rennes/Institut Mines-Télécom/Université de Bretagne-Sud/Université de Rennes 1). Ses travaux portent sur la représentation des chaînes d'analyses en imagerie cérébrale. L'objectif de ses recherches est de rendre possible la réutilisation par la communauté scientifique des données générées par un laboratoire, par exemple dans le contexte des données ouvertes (ou open data). 

Dans les salles attenantes de l'auditorium

Table ronde animée par Jean-Luc Moullet, directeur général délégué à l’innovation du CNRS, avec :

• Clarisse Longo dos Santos, VP en charge des opérations cliniques chez Qynapse
• Pierre Fillard, CSO de TheraPixel
• Sébastien Marque, directeur du groupe «analytique avancée et IA» de IQVIA
• Nikos Paragios, CEO & CSO TheraPanacea