- Cet évènement est passé
Atelier « IA pour la santé » de l’EGC 2024
23 janvier -13h30 à 18h00
PRÉSENTATION DE L’ATELIER
Les avancées fulgurantes dans le domaine du machine/deep learning ont ouvert de nouvelles perspectives dans divers secteurs, dont la santé. Cet atelier ambitieux a pour but de fournir aux participants une compréhension approfondie de l’application des techniques de machine/deep learning dans le contexte médical, couvrant un large éventail de domaines, notamment l’imagerie médicale, la reconnaissance des actions et activités, Internet-of-Things (IoT), la robotique d’assistance, etc.
Le machine/deep learning a le potentiel de révolutionner le secteur de la santé, allant du suivi des patients à la personnalisation des traitements, en passant par la découverte de médicaments et le diagnostic avancé. Cet atelier s’adresse spécifiquement aux professionnels, chercheurs et experts travaillant à l’intersection de la santé et du machine/deep learning, ceux dont les travaux de recherche sont centrés sur l’application de ces méthodes novatrices.
Notre objectif est de créer un espace d’échange privilégié où ces experts pourront discuter en profondeur des défis majeurs rencontrés dans ces domaines spécialisés. Ensemble, nous explorerons les questions cruciales et tracerons les orientations possibles pour catalyser les progrès futurs dans ce domaine prometteur, où l’imagerie médicale, la reconnaissance des actions, IoT, la robotique d’assistance sont autant de domaines d’intérêt majeur.
PROGRAMME DE L’ATELIER :
-
13h30-13h40 : Mots d’ouverture et début de l’atelier.
Fin de l’atelier autour de 17h45-17h55 -
13h40-14h10 : « IA et formation en Santé » par Marc Maynadié
Résumé : Dans cette présentation, le Professeur Marc Maynadié illustrera dans ces propos comment ces outils sont en train de modifier en profondeur la façon dont sont transmises les connaissances mais aussi leur contenu lui-même.
-
14h10-14h40 : « L’intelligence artificielle et l’imagerie médicale » par Fabrice Mériaudeau
Résumé : L’intégration de l’intelligence artificielle (IA) dans l’imagerie médicale a considérablement transformé les diagnostics et les traitements. Elle a engendré des avancées révolutionnaires en matière de diagnostics améliorés, d’automatisation et d’efficacité, rationalisant les processus d’analyse d’images et réduisant ainsi le temps d’interprétation des radiologistes. De plus, elle a facilité la détection précoce, la médecine de précision, l’optimisation des flux de travail, l’amélioration de la qualité des images, les diagnostics à distance, ainsi que les progrès dans les essais cliniques, la formation et l’éducation. Cependant, malgré ses nombreux avantages, garantir la fiabilité de l’IA, atténuer les biais et protéger la confidentialité des patients posent des défis critiques pour son intégration harmonieuse dans l’imagerie médicale.
La présentation explorera ces aspects divers, examinant les principales percées techniques telles que les CNN, les Transformers, les modèles génératifs et les modèles fondamentaux, mettant en évidence leurs performances et leurs limitations associées. Pour illustrer, la discussion se concentrera sur l’utilisation de l’IA dans le diagnostic des maladies oculaires/rétiniennes et cardiovasculaires.
-
14h40-15h10 : « Applications de l’IA et la robotique dans les soins de santé et le maintien de l’autonomie des personnes âgées » par Imad Sfeir
Résumé : Le vieillissement de la population mondiale pose des défis importants aux systèmes de santé et à la fourniture de soins aux personnes âgées. L’intelligence artificielle et la robotique proposent des approches innovantes pour relever ces défis en améliorant la surveillance de la santé, l’aide et l’amélioration des interactions sociales et le maintien de l’autonomie des personnes âgées.
-
15h10-15h30 : Pause & Networking
- 15h30-17h45 : Session scientifique
- Violaine Courrier, Christophe Biernacki, Cristian Preda and Benjamin Vittrant. « Étude comparative de modèles de clustering de séries temporelles multivariées issues d’objets médicaux connectés »
- Randa Cheima Bendjeddou, Lijuan Ren, Giacomo Kahn, Aicha Sekhari Seklouli, Bat-Erdene Myagmar and Ariuntuul Garidkhuu. « Système de Consultation à Distance pour la Santé Dentaire Assisté par l’Apprentissage Automatique »
- Hong-Phuong Dang, Thibaut Wojdacki, Dimitris Visvikis and Julien Bert. « Apprentissage profond pour améliorer la qualité statistique et le temps de calcul de carte dosimétrique en radiothérapie »
- Guillaume Tejedor, Veronika Peralta, Nicolas Labroche, Patrick Marcel, Hélène Blasco and Hugo Alarcan. « Stratification pour le pronostic de patients atteints de la sclérose latérale amyotrophique »
- Nicolas Martin, Jean-Pierre Chevallet, Philippe Mulhem and Georges Quénot. « Vers la combinaison de modèles de segmentation et transformers pour la détection des maladies dentaires »
- Armel Soubeiga, Violaine Antoine and Sylvain Moreno. « Clustering flou de séries temporelles discrètes pour la modélisation des trajectoires de soins de la douleur chronique »
- Clément Fauchereau, Fanny Carimalo, Axelle Merienne, Marc Laffon, Emmanuel Godat and Jean-Christophe Aude. « Détection d’anesthésie générale par analyse de l’électrocardiogramme en chirurgie »
- Mohammed El Hassouni and Houda El Mohammadi. « Une approche par fusion pour l’explicabilité de l’apprentissage profond dans la détection du COVID-19 à partir des images CXR »
- Walid Yassine, Martin Charachon, Céline Hudelot and Roberto Ardon. « Recalage des examens longitudinaux du foie pour la détection des changements »
Porteurs et affiliations de l’atelier :
– Igor BESSIERES, Centre Georges-François Leclerc
– Alain LALANDE, Professeur des Universités au sein du groupe de recherche à l’Institut de Chimie Moléculaire de l’Université de Bourgogne (ICMUB UMR CNRS 6302) et à l’Imagerie Fonctionnelle et moléculaire et Traitement des Images Médicales (IFTIM) de l’université de Bourgogne ainsi que dans le Service d’imagerie médicale du CHU Dijon Bourgogne.
– Youssef MOURCHID, Laboratoire d’Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires du CESI (LINEACT UR 7527)