SlideShare une entreprise Scribd logo
Application de l’intelligence artificielle à la prédiction
et au diagnostic en cancérologie
Dr Jean-Emmanuel Bibault
Service d’oncologie radiothérapie
Hôpital Européen Georges Pompidou - APHP
Traitement du cancer
• 17 Millions de nouveaux cas en 2014 (monde), en croissance de 70% dans les 20 prochaines
années
• 385 000 nouveaux cas en France en 2016
• Domaine complexe, faisant appel à de nombreux intervenants
• Chirurgiens
• Oncologues radiothérapeutes, Oncologues médicaux
• Radiologues, Médecins Nucléaires
• Biologistes
• Anatomopathologistes
• Partage d’informations insuffisant
• A l’intérieur d’un même hôpital entre disciplines
• Entre logiciels
• Entre les hôpitaux au niveau national
• Avec les historiques des traitements et évolutions cliniques des patients
Besoins en cancérologie
• Améliorer la prise en charge des patients
• Personnaliser les traitements pour les rendre plus efficaces et moins toxiques
• Workflow automatique pour la récolte des données hétérogènes
• Séquences génétiques
• Données biologiques et cliniques
• Données dosimétriques
• Suivi du patient clinique et santé connectée
Explosion du volume de données générées
Machine Learning : Historique
• 1940 : Premier concept de réseaux neuronaux
• Cycles de promesses et de déceptions
Image source : Andrew Beam
Machine Learning en médecine
• Augmentation du volume & digitalisation des données médicales
• Dépassement des capacités cognitives humaines (max 5 facteurs)
• Possibilités de :
• Diagnostic (classification)
Fiabilité, rapidité
• Prédiction (classification, séries temporelles)
 Personnalisation des traitements
129450 lésions – Inception v3 versus 21 dermatologues
Esteva et al, Nature, 2016
• T
• 128 174 images de rétines
• 54 ophtalmologues
• 1 CNN
• Validé sur deux datasets :
– EyePACS-1 (9963 images)
– Messidor-2 (1748 images)
Gulshan et al, JAMA, 2016
• 76214 patients
• Prédiction de 78 maladies
Miotto et al, Scientific Reports, 2016
• Définir l’état de santé d’un patient à partir de son CT
• Prédire sa longévité
Le projet Big Data pour la
radiothérapie
PACS
LAB
R&V
Stockage
Sécurisation
Sauvegarde
Partage
Droits d’accès
Standardisation
Homogénéisation
Normalisation
Vérification
Evaluation
Validation, Sélection
DPI
Machine
Learning
DOSIsoftHôpitaux
ATOS
ATOS
LITIS
CentraleSupélec
Télécom ParisTech
Obj
connecté
Data
Discovery
Profil
Data
Lake
HEGP
GustaveRoussy
CentreHenriBecquerel
Architecture distribuée
Modèle prédictif
National
Modèle prédictif
Local
Profil de
patient
Abonnement
&
Contribution
Modèle prédictif
Local
Profil de
patient
Abonnement
&
Contribution
Analyse
Prédictive &
Pronostique
Analyse
Prédictive &
Pronostique
Cohortes
HEGP GR CHB Total 2020
Rétrospective Par an Rétrospective Par an Rétrospective Par an
ORL 200 50 750 150 930 300 3380
Poumons 500 90 1200 120 500 60 3010
Rectum 400 50 550
Prostate 1000 120 1400 140 3180
Total 2100 310 3350 410 1430 360 10120
Débouchés
• Apprentissage sur des données déjà existantes et disponibles
• Création d’un système d’aide à la décision en oncologie radiothérapie
s’appuyant sur du machine learning
• Validation du système dans un essai clinique prospectif
Merci
Pour votre attention
jean-emmanuel.bibault@aphp.fr
twitter.com/jebibault

Contenu connexe

Tendances

Présentation Mémoire Master de Recherche
Présentation Mémoire Master de RecherchePrésentation Mémoire Master de Recherche
Présentation Mémoire Master de Recherche
Rouâa Ben Hammouda
 
La prédiction du churn client dans le domaine du telecom
La prédiction du churn client dans le domaine du telecomLa prédiction du churn client dans le domaine du telecom
La prédiction du churn client dans le domaine du telecom
Ismail Sanni
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning
Niji
 
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMORIntroduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
Boubaker EL HADJ AMOR
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
hadjerdermane
 
Exposé segmentation
Exposé segmentationExposé segmentation
Exposé segmentation
Donia Hammami
 
ségmentation d'image
ségmentation d'imageségmentation d'image
ségmentation d'image
Wassim Ben Salem
 
Data Mining Spatial
Data Mining Spatial Data Mining Spatial
Data Mining Spatial
dihiaselma
 
LOGICIEL RHUMATO, Cabinet Médical Rhumatologue
LOGICIEL RHUMATO, Cabinet Médical RhumatologueLOGICIEL RHUMATO, Cabinet Médical Rhumatologue
LOGICIEL RHUMATO, Cabinet Médical Rhumatologue
Zoubida Alaoui Mdaghri
 
Intelligence artificielle en médecine
Intelligence artificielle en médecineIntelligence artificielle en médecine
Intelligence artificielle en médecine
Jean-Emmanuel Bibault Bibault, MD, PhD
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data Mining
Takfarinas KENOUCHE
 
1ère Présentation Atelier Vision par ordinateur
1ère Présentation Atelier Vision par ordinateur1ère Présentation Atelier Vision par ordinateur
1ère Présentation Atelier Vision par ordinateur
Samir TABIB
 
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdfChapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
ZizoAziz
 
Règles d’association
Règles d’associationRègles d’association
Règles d’association
Hassine Hammami
 
Deep learning
Deep learningDeep learning
Deep learning
Rostom Mamadji
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_aman
Mehdi Aman
 
Traitement des images
Traitement des imagesTraitement des images
Traitement des images
omar bllaouhamou
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction générale
Mohamed Heny SELMI
 
5.5 Clustering
5.5 Clustering5.5 Clustering
5.5 Clustering
Boris Guarisma
 
Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)
Ines Ben Kahla
 

Tendances (20)

Présentation Mémoire Master de Recherche
Présentation Mémoire Master de RecherchePrésentation Mémoire Master de Recherche
Présentation Mémoire Master de Recherche
 
La prédiction du churn client dans le domaine du telecom
La prédiction du churn client dans le domaine du telecomLa prédiction du churn client dans le domaine du telecom
La prédiction du churn client dans le domaine du telecom
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning
 
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMORIntroduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
Introduction à l'intelligence artificielle - Boubaker EL HADJ AMOR
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
 
Exposé segmentation
Exposé segmentationExposé segmentation
Exposé segmentation
 
ségmentation d'image
ségmentation d'imageségmentation d'image
ségmentation d'image
 
Data Mining Spatial
Data Mining Spatial Data Mining Spatial
Data Mining Spatial
 
LOGICIEL RHUMATO, Cabinet Médical Rhumatologue
LOGICIEL RHUMATO, Cabinet Médical RhumatologueLOGICIEL RHUMATO, Cabinet Médical Rhumatologue
LOGICIEL RHUMATO, Cabinet Médical Rhumatologue
 
Intelligence artificielle en médecine
Intelligence artificielle en médecineIntelligence artificielle en médecine
Intelligence artificielle en médecine
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data Mining
 
1ère Présentation Atelier Vision par ordinateur
1ère Présentation Atelier Vision par ordinateur1ère Présentation Atelier Vision par ordinateur
1ère Présentation Atelier Vision par ordinateur
 
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdfChapitre 4-Apprentissage non supervisé (1) (1).pdf
Chapitre 4-Apprentissage non supervisé (1) (1).pdf
 
Règles d’association
Règles d’associationRègles d’association
Règles d’association
 
Deep learning
Deep learningDeep learning
Deep learning
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_aman
 
Traitement des images
Traitement des imagesTraitement des images
Traitement des images
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction générale
 
5.5 Clustering
5.5 Clustering5.5 Clustering
5.5 Clustering
 
Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)
 

Similaire à Application de l’intelligence artificielle à la prédiction et au diagnostic en cancérologie

Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
Jean-Emmanuel Bibault Bibault, MD, PhD
 
Le Big Data au service de l’imagerie
Le Big Data au service de l’imagerieLe Big Data au service de l’imagerie
Le Big Data au service de l’imagerie
Alain Tassy
 
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
LIEGE CREATIVE
 
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
LeBloc
 
La Banque Nationale de Données Maladies Rares
La Banque Nationale de Données Maladies RaresLa Banque Nationale de Données Maladies Rares
La Banque Nationale de Données Maladies Rares
bndmr
 
Entre technologie et humanité Partie 2 Neurochirurgie
Entre technologie et humanité Partie 2 Neurochirurgie Entre technologie et humanité Partie 2 Neurochirurgie
Entre technologie et humanité Partie 2 Neurochirurgie
Michel Triffaux
 
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
LIEGE CREATIVE
 
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
Jean-Emmanuel Bibault Bibault, MD, PhD
 
Vita dx dp-vf
Vita dx dp-vfVita dx dp-vf
Vita dx dp-vf
Charlotte Guinard
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste
epiconcept
 
Masterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHubMasterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHub
FrenchTechCentral
 
Télémédecine cardiovasculaire
Télémédecine cardiovasculaireTélémédecine cardiovasculaire
Télémédecine cardiovasculaire
Pelouze Guy-André
 
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
iCOMMUNITY
 
Radiothérapie Amiens Gestion des Risques
Radiothérapie Amiens Gestion des RisquesRadiothérapie Amiens Gestion des Risques
Radiothérapie Amiens Gestion des Risques
coutte
 
L'expérience patient en médecine nucléaire
L'expérience patient en médecine nucléaireL'expérience patient en médecine nucléaire
L'expérience patient en médecine nucléaire
esprimed
 
La Tribune 19-11-16.PDF
La Tribune 19-11-16.PDFLa Tribune 19-11-16.PDF
La Tribune 19-11-16.PDF
Vincent Genet
 
Magazine Almaviva Santé numéro 16 hiver 2024
Magazine Almaviva Santé numéro 16 hiver 2024Magazine Almaviva Santé numéro 16 hiver 2024
Magazine Almaviva Santé numéro 16 hiver 2024
Almaviva Santé
 
La Compétence Belge dans le Domaine Médical
La Compétence Belge dans le Domaine Médical La Compétence Belge dans le Domaine Médical
La Compétence Belge dans le Domaine Médical
smelinfo
 
Le figaro 13_20190708220000
Le figaro 13_20190708220000Le figaro 13_20190708220000
Le figaro 13_20190708220000
A N
 

Similaire à Application de l’intelligence artificielle à la prédiction et au diagnostic en cancérologie (20)

Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
Comment l’Intelligence Artificielle va impacter la recherche scientifique en ...
 
Le Big Data au service de l’imagerie
Le Big Data au service de l’imagerieLe Big Data au service de l’imagerie
Le Big Data au service de l’imagerie
 
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
Télémédecine, données personnelles et intelligence artificielle | LIEGE CREAT...
 
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
Les solutions logicielles sont l'avenir dans le traitement des maladies chron...
 
La Banque Nationale de Données Maladies Rares
La Banque Nationale de Données Maladies RaresLa Banque Nationale de Données Maladies Rares
La Banque Nationale de Données Maladies Rares
 
Entre technologie et humanité Partie 2 Neurochirurgie
Entre technologie et humanité Partie 2 Neurochirurgie Entre technologie et humanité Partie 2 Neurochirurgie
Entre technologie et humanité Partie 2 Neurochirurgie
 
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
Séquençage rapide du génome : progrès et défis | LIEGE CREATIVE, 17.05.2022
 
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
Biomarqueurs prédictifs et pronostics en cancérologie et en radiothérapie - J...
 
Vita dx dp-vf
Vita dx dp-vfVita dx dp-vf
Vita dx dp-vf
 
Presentation du projet Deep.piste
Presentation du projet Deep.piste Presentation du projet Deep.piste
Presentation du projet Deep.piste
 
Masterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHubMasterclass, exploiter les données publiques de santé @HealthDataHub
Masterclass, exploiter les données publiques de santé @HealthDataHub
 
Télémédecine cardiovasculaire
Télémédecine cardiovasculaireTélémédecine cardiovasculaire
Télémédecine cardiovasculaire
 
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...Session flash  - Rencontre Inria Industrie Bio-informatique et outils numériq...
Session flash - Rencontre Inria Industrie Bio-informatique et outils numériq...
 
Plateformes - CLARA - 1er sem. 2014
Plateformes - CLARA - 1er sem. 2014Plateformes - CLARA - 1er sem. 2014
Plateformes - CLARA - 1er sem. 2014
 
Radiothérapie Amiens Gestion des Risques
Radiothérapie Amiens Gestion des RisquesRadiothérapie Amiens Gestion des Risques
Radiothérapie Amiens Gestion des Risques
 
L'expérience patient en médecine nucléaire
L'expérience patient en médecine nucléaireL'expérience patient en médecine nucléaire
L'expérience patient en médecine nucléaire
 
La Tribune 19-11-16.PDF
La Tribune 19-11-16.PDFLa Tribune 19-11-16.PDF
La Tribune 19-11-16.PDF
 
Magazine Almaviva Santé numéro 16 hiver 2024
Magazine Almaviva Santé numéro 16 hiver 2024Magazine Almaviva Santé numéro 16 hiver 2024
Magazine Almaviva Santé numéro 16 hiver 2024
 
La Compétence Belge dans le Domaine Médical
La Compétence Belge dans le Domaine Médical La Compétence Belge dans le Domaine Médical
La Compétence Belge dans le Domaine Médical
 
Le figaro 13_20190708220000
Le figaro 13_20190708220000Le figaro 13_20190708220000
Le figaro 13_20190708220000
 

Plus de Alain Tassy

Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Alain Tassy
 
Ignilife telecom
Ignilife telecomIgnilife telecom
Ignilife telecom
Alain Tassy
 
E-médecine du travail
E-médecine du travailE-médecine du travail
E-médecine du travail
Alain Tassy
 
Besoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travailBesoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travail
Alain Tassy
 
Assurances Santé prévention et apport des technologies numériques
Assurances Santé prévention et  apport des technologies numériquesAssurances Santé prévention et  apport des technologies numériques
Assurances Santé prévention et apport des technologies numériques
Alain Tassy
 
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Alain Tassy
 
Docndoc burn out en sante 2019
Docndoc burn out en sante 2019Docndoc burn out en sante 2019
Docndoc burn out en sante 2019
Alain Tassy
 
Alain tassy(sport)
Alain tassy(sport)Alain tassy(sport)
Alain tassy(sport)
Alain Tassy
 
Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2
Alain Tassy
 
Collecte des données génétique humaines en France
Collecte des données génétique humaines en FranceCollecte des données génétique humaines en France
Collecte des données génétique humaines en France
Alain Tassy
 
Utilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationaleUtilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationale
Alain Tassy
 
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétalesDémystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
Alain Tassy
 
Intelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimationIntelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimation
Alain Tassy
 
Les freins aux développement de IA en santé
Les freins aux développement de IA en santéLes freins aux développement de IA en santé
Les freins aux développement de IA en santé
Alain Tassy
 
IA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunitésIA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunités
Alain Tassy
 
Démystifier l’Intelligence Artificielle en Santé - Introduction
 Démystifier l’Intelligence Artificielle en Santé - Introduction Démystifier l’Intelligence Artificielle en Santé - Introduction
Démystifier l’Intelligence Artificielle en Santé - Introduction
Alain Tassy
 
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
Big Data en santé :  De la technologie à la thérapie, en passant par la confi...Big Data en santé :  De la technologie à la thérapie, en passant par la confi...
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
Alain Tassy
 
How digital affects the world of health
How digital affects the world of healthHow digital affects the world of health
How digital affects the world of health
Alain Tassy
 
IoMT: gadgets ou technologie indispensable pour l’excellence en médecine 4p
IoMT:   gadgets ou technologie indispensable pour l’excellence en médecine 4pIoMT:   gadgets ou technologie indispensable pour l’excellence en médecine 4p
IoMT: gadgets ou technologie indispensable pour l’excellence en médecine 4p
Alain Tassy
 
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
Alain Tassy
 

Plus de Alain Tassy (20)

Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
Compte rendu de la réunion Telecom Paris Santé du 21 novembre 2019
 
Ignilife telecom
Ignilife telecomIgnilife telecom
Ignilife telecom
 
E-médecine du travail
E-médecine du travailE-médecine du travail
E-médecine du travail
 
Besoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travailBesoins des grands groupes en innovation pour la santé au travail
Besoins des grands groupes en innovation pour la santé au travail
 
Assurances Santé prévention et apport des technologies numériques
Assurances Santé prévention et  apport des technologies numériquesAssurances Santé prévention et  apport des technologies numériques
Assurances Santé prévention et apport des technologies numériques
 
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019Introduction à la réunion de Telecom Paris Santé du 21/11/2019
Introduction à la réunion de Telecom Paris Santé du 21/11/2019
 
Docndoc burn out en sante 2019
Docndoc burn out en sante 2019Docndoc burn out en sante 2019
Docndoc burn out en sante 2019
 
Alain tassy(sport)
Alain tassy(sport)Alain tassy(sport)
Alain tassy(sport)
 
Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2Presentation i mitox pseudonymisation 2018-06 v2
Presentation i mitox pseudonymisation 2018-06 v2
 
Collecte des données génétique humaines en France
Collecte des données génétique humaines en FranceCollecte des données génétique humaines en France
Collecte des données génétique humaines en France
 
Utilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationaleUtilisation des données du patient Perspective internationale
Utilisation des données du patient Perspective internationale
 
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétalesDémystifier l'IA en Santé - Perception des Français & Tendances sociétales
Démystifier l'IA en Santé - Perception des Français & Tendances sociétales
 
Intelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimationIntelligence Artificielle vue de l'anesthésie réanimation
Intelligence Artificielle vue de l'anesthésie réanimation
 
Les freins aux développement de IA en santé
Les freins aux développement de IA en santéLes freins aux développement de IA en santé
Les freins aux développement de IA en santé
 
IA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunitésIA en imagerie médicale…mythes, réalités & opportunités
IA en imagerie médicale…mythes, réalités & opportunités
 
Démystifier l’Intelligence Artificielle en Santé - Introduction
 Démystifier l’Intelligence Artificielle en Santé - Introduction Démystifier l’Intelligence Artificielle en Santé - Introduction
Démystifier l’Intelligence Artificielle en Santé - Introduction
 
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
Big Data en santé :  De la technologie à la thérapie, en passant par la confi...Big Data en santé :  De la technologie à la thérapie, en passant par la confi...
Big Data en santé : De la technologie à la thérapie, en passant par la confi...
 
How digital affects the world of health
How digital affects the world of healthHow digital affects the world of health
How digital affects the world of health
 
IoMT: gadgets ou technologie indispensable pour l’excellence en médecine 4p
IoMT:   gadgets ou technologie indispensable pour l’excellence en médecine 4pIoMT:   gadgets ou technologie indispensable pour l’excellence en médecine 4p
IoMT: gadgets ou technologie indispensable pour l’excellence en médecine 4p
 
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
Les objets connectés : Gadgets ou technologie indispensable à l’excellence en...
 

Application de l’intelligence artificielle à la prédiction et au diagnostic en cancérologie

  • 1. Application de l’intelligence artificielle à la prédiction et au diagnostic en cancérologie Dr Jean-Emmanuel Bibault Service d’oncologie radiothérapie Hôpital Européen Georges Pompidou - APHP
  • 2. Traitement du cancer • 17 Millions de nouveaux cas en 2014 (monde), en croissance de 70% dans les 20 prochaines années • 385 000 nouveaux cas en France en 2016 • Domaine complexe, faisant appel à de nombreux intervenants • Chirurgiens • Oncologues radiothérapeutes, Oncologues médicaux • Radiologues, Médecins Nucléaires • Biologistes • Anatomopathologistes • Partage d’informations insuffisant • A l’intérieur d’un même hôpital entre disciplines • Entre logiciels • Entre les hôpitaux au niveau national • Avec les historiques des traitements et évolutions cliniques des patients
  • 3. Besoins en cancérologie • Améliorer la prise en charge des patients • Personnaliser les traitements pour les rendre plus efficaces et moins toxiques • Workflow automatique pour la récolte des données hétérogènes • Séquences génétiques • Données biologiques et cliniques • Données dosimétriques • Suivi du patient clinique et santé connectée
  • 4. Explosion du volume de données générées
  • 5. Machine Learning : Historique • 1940 : Premier concept de réseaux neuronaux • Cycles de promesses et de déceptions Image source : Andrew Beam
  • 6. Machine Learning en médecine • Augmentation du volume & digitalisation des données médicales • Dépassement des capacités cognitives humaines (max 5 facteurs) • Possibilités de : • Diagnostic (classification) Fiabilité, rapidité • Prédiction (classification, séries temporelles)  Personnalisation des traitements
  • 7. 129450 lésions – Inception v3 versus 21 dermatologues Esteva et al, Nature, 2016
  • 8. • T • 128 174 images de rétines • 54 ophtalmologues • 1 CNN • Validé sur deux datasets : – EyePACS-1 (9963 images) – Messidor-2 (1748 images) Gulshan et al, JAMA, 2016
  • 9. • 76214 patients • Prédiction de 78 maladies Miotto et al, Scientific Reports, 2016
  • 10. • Définir l’état de santé d’un patient à partir de son CT • Prédire sa longévité
  • 11. Le projet Big Data pour la radiothérapie
  • 13. Architecture distribuée Modèle prédictif National Modèle prédictif Local Profil de patient Abonnement & Contribution Modèle prédictif Local Profil de patient Abonnement & Contribution Analyse Prédictive & Pronostique Analyse Prédictive & Pronostique
  • 14. Cohortes HEGP GR CHB Total 2020 Rétrospective Par an Rétrospective Par an Rétrospective Par an ORL 200 50 750 150 930 300 3380 Poumons 500 90 1200 120 500 60 3010 Rectum 400 50 550 Prostate 1000 120 1400 140 3180 Total 2100 310 3350 410 1430 360 10120
  • 15. Débouchés • Apprentissage sur des données déjà existantes et disponibles • Création d’un système d’aide à la décision en oncologie radiothérapie s’appuyant sur du machine learning • Validation du système dans un essai clinique prospectif