Publicité

Naissance d'EUCAIM, la plateforme européenne pour l'imagerie du cancer

24/01/2023
De Thema Radiologie avec ESR

En lançant la Fédération européenne pour les images du cancer, l’Union européenne et l’ESR ouvre l’ère de la médecine de précision en Europe. Cette plateforme EUCAIM s’intègrera pleinement au projet phare du plan européen de lutte contre le cancer (EBCP).

Le consortium EUCAIM et la Commission européenne sont ravis d'annoncer le lancement officiel de la Fédération européenne pour les images du cancer (EUropean federation for CAncer IMage - EUCAIM), un projet révolutionnaire de déploiement d'infrastructure fédérée, visant à propulser l'imagerie et l'IA vers une médecine de précision pour les patients et citoyens européens atteints de cancer.

Pierre angulaire du plan européen de lutte contre le cancer

L'EUCAIM s'attaquera à la fragmentation des référentiels d'images sur le cancer existants et établira un Atlas distribué de l'imagerie du cancer avec plus de 60 millions de données d'images anonymisées sur le cancer provenant de plus de 100 000 patients, accessible aux cliniciens, chercheurs et innovateurs de toute l'UE pour le développement et l'analyse comparative d'outils d'IA fiables. L'infrastructure sera en outre alimentée par des études d'observation issues de 21 sites cliniques dans 12 pays de l'UE, et comprendra des images cliniques et un lien avec des données de pathologie, moléculaires et de laboratoire. Cette plateforme sera étendue à au moins 30 fournisseurs de données distribués de 15 pays d'ici la fin du projet, qui durera quatre ans. Les solutions d'IA fédérées seront formées dans les entrepôts de données de l'hôpital, en préservant la confidentialité des données.

L'EUCAIM est la pierre angulaire de l'initiative européenne d'imagerie du cancer initiée par la Commission européenne, un projet phare du plan européen de lutte contre le cancer (EBCP), qui vise à favoriser l'innovation et le déploiement des technologies numériques dans le traitement et les soins du cancer, afin de parvenir à une décision clinique plus précise et plus rapide. Elle est scientifiquement dirigée par le Pr Luis Martí-Bonmatí, directeur du département d'imagerie médicale de l’Hôpital polytechnique de l’Université La Fe à Valence (Espagne) et coordonné par l'Institut européen de recherche en imagerie biomédicale (European Institute for Biomediacl Imaging Research - EIBIR), créé par l’European Society of Radiology (ESR) à Vienne (Autriche).

Un projet qui rassemble 76 partenaires de 14 États membres de l’UE

Le projet s'appuie sur les résultats des travaux du réseau "AI for Health Imaging" (AI4HI) qui se compose de 5 grands projets financés par l'UE sur les mégadonnées et l'intelligence artificielle dans l'imagerie du cancer : Chaimeleon, EuCanImage, ProCancer-I, Incisive et Primage. EUCAIM rassemble 76 partenaires de 14 États membres de l'UE, couvrant les compétences en imagerie et soins du cancer, les mégadonnées en imagerie médicale, la gestion des données FAIR, les aspects éthiques et juridiques des données médicales, le développement et le déploiement d'infrastructures de recherche, l'IA et le machine learning, ainsi que ainsi que la diffusion, la communication et la sensibilisation des intervenants en imagerie biomédicale.

Conformément à la stratégie européenne en matière de données et à l'appui des objectifs de l'espace européen des données de santé, l'EUCAIM s'associera à l'IA Testing and Experimentation Facility for Health dans le cadre du programme Digital Europe, permettant aux PME d'accéder à son infrastructure, et le déploiement sera soutenu par les services des pôles européens d'innovation numérique. L'EUCAIM suit une approche inclusive et collaborative et interagira avec de nombreuses parties prenantes pour assurer l'adoption au niveau politique dans les États membres et une large utilisation de l'infrastructure par les cliniciens, les chercheurs et les innovateurs. Les fournisseurs de données cliniques seront invités à rejoindre l'initiative via une procédure d'appel ouvert au cours du projet.

SUR LE MÊME THÈME

IA & Données
Les comptes rendus radiologiques ne sont pas près de passer par GPT-4
Abonné(e)

Les comptes rendus radiologiques ne sont pas près de passer par GPT-4

Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...

21/07/2025 -

IA & Données
Un nouvel outil d'extraction de données spécialisé en radiologie

Un nouvel outil d'extraction de données spécialisé en radiologie

Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...

15/07/2025 -

IA & Données
Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning
Abonné(e)

Des grands modèles de langage sensés participer à l'annotation des images pour le deep learning

Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...

23/06/2025 -

IA & Données
Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie
Abonné(e)

Les bonnes pratiques pour l'évaluation de la pertinence d'un outil d'IA en imagerie

Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...

13/06/2025 -

IA & Données
Abonné(e)

Des LLM affinés pour aider à la relecture des comptes rendus

Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.

23/05/2025 -

IA & Données
Abonné(e)

Agir sur la vulnérabilité des grands modèles de langage en radiologie

Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...

21/05/2025 -

IA & Données
Abonné(e)

Une feuille de route pour atténuer les biais de l'IA

Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...

20/05/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.