Diagnostic étiologique de maladies cardiaques basé sur les images échocardiographiques et les données cliniques – ORCHID

L'objectif de ce projet est de développer des modèles d'intelligence artificielle (IA) rigoureux et explicables pour la prédiction du diagnostic étiologique des maladies cardiaques à partir de données hétérogènes. Dans ce but, nous allons créer une cohorte composée de 1000 patients présentant 4 pathologies distinctes qui ont nécessité des examens complémentaires afin d'établir une étiologie spécifique de la cardiomyopathie. Grâce à cette cohorte, nous allons concevoir une solution d'apprentissage profond pour extraire efficacement les déformations globales et locales du muscle cardiaque. Cette information temporelle est connue pour avoir un grand potentiel pour caractériser les maladies cardiaques, mais la difficulté de la mesurer limite actuellement son utilisation en pratique clinique. Le point clé sera la création d'un ensemble de données à grande échelle de patients virtuels avec des références de mouvement du myocarde à partir desquelles nos algorithmes pourront apprendre. En parallèle, nous développerons un cadre d'IA dédié à l'intégration de données d'entrée hétérogènes et complexes pour la prédiction du diagnostic étiologique des maladies cardiaques. Ce formalisme sera construit sur les mécanismes modernes d'attention en apprentissage profond afin de modéliser des interactions riches et fines entre des données d'entrée hétérogènes. Cela nous permettra d'explorer l'interprétabilité de notre modèle par les cliniciens. Les solutions que nous allons développées seront évaluées sur une deuxième cohorte de 400 patients acquise dans une autre centre hospitalier afin d'éviter tout risque de biais. Le succès de ce projet contribuera à une meilleure gestion du système de santé et à une réduction des coûts hospitaliers. Ce projet peut également être considéré comme une étude pilote pour évaluer l'intérêt et l'impact des algorithmes d'IA dans la prise en charge des patients hospitalisés.