Un diagnostic en quelques clics
Invitée à témoigner sur la pratique numérique au cœur des soins à la 3e édition de PharmaHealthTech, Stéphanie Allassonnière, professeur de mathématiques à l’Ecole Polytechnique, s’est fait écho de l’interdisciplinarité pour la mise en œuvre de l’IA Sonio qui aide les professionnels au diagnostic prénatal.
Issues de discussions croisées entre les équipes de data science de l’École Polytechnique et les gynécologues et obstétriciens de la maternité de l’Hôpital Necker-Enfants Malades, l’Intelligence Artificielle Sonio permet un diagnostic des maladies et malformations chez le fœtus. Elle répond aux difficultés du diagnostic prénatal et à la pénurie de praticiens spécialistes. « C’est un « waze » de l’échographie fœtale, pour aller le plus vite possible au diagnostic, en accompagnant le praticien dans la conduite des échographies de suivi de grossesse », décrit Stéphanie Allassonnière, professeur de mathématiques à l’école de médecine de l’Université de Paris et professeur associée à l’Ecole Polytechnique. Cet outil, aujourd’hui commercialisé comme une web application, est né d’allers-retours permanents entre les équipes pour déterminer les besoins et y apporter des réponses. « Le mélange des cultures et la proximité du personnel du domaine médical et des mathématiciens, comme c’est le cas au sein de l’Institut PR[AI]RIE, permet le dialogue, assure-t-elle, en tant que titulaire de la Chaire PR[AI]RIE. Il est un des Instituts Interdisciplinaires d’Intelligence Artificielle (3IA) lancés à l’occasion du sommet AI for Humanity de mars 2018 par le Président de la République Emmanuel Macron suite au rapport Villani.
De l’IA à l’application
L’objectif de l’Institut PR[AI]RIE est de regrouper les personnes du CNRS, de l’Inria, de l’Institut Pasteur, de l’Université de Paris et de l’Université PSL (Paris Sciences & Lettres) au sein d’un même consortium pour promouvoir les collaborations de recherche jusqu’à l’application. « Nous y avons par exemple développé des algorithmes pour l’augmentation de données, pour avoir des performances de prédiction sur des échantillons faibles. Cet algorithme crée des patients virtuels qui ont des caractéristiques similaires à la population initiale, s’est félicité la mathématicienne. Nous avons mis cet outil à disposition de la radio interventionnelle de l’hôpital Beaujon pour mieux comprendre la (non-)réponse à certains traitements de radio-embolisation dans les cas d’hépatocarcinomes. » Stéphanie Allassonnière estime qu’il faut pousser encore davantage ces interactions, comme c’est le cas également à l’ICM (Institut du cerveau) par exemple.
Juliette Badina
