TwinOnco, le projet innovant de suivi des patients porté par l'AP-HP et Dassault Systèmes
L’AP-HP et Dassault Systèmes ont élaboré le projet TwinOnco qui vise à créer des jumeaux virtuels aux patients en oncologie. Cette initiative permettra de passer une étape dans la personnalisation des traitements et génèrera de nouvelles cohortes de patients en onciologie.
Le consortium constitué par l’Assistance Publique – Hôpitaux de Paris (AP-HP) et Dassault Systèmes a été récompensé, le 18 janvier 2024 lors de la journée nationale de l'innovation en santé numérique, par un Prix Stratégie d'accélération « santé numérique » du plan France 2030 pour son projet TwinOnco de suivi des patients atteints de cancer grâce à l’intelligence artificielle et aux jumeaux virtuels.
Cet outil est conçu pour faciliter l’analyse des images médicales dans la littérature scientifique internationale. Le consortium développera des solutions logicielles pour les radiologues, basées sur des jumeaux virtuels créés à partir de l’imagerie. Grâce à la 3D, ces nouvelles méthodes diagnostiques permettront une meilleure collaboration entre praticiens, une évaluation plus précise des thérapeutiques dans les essais cliniques et une meilleure personnalisation des soins courants.
La création de jumeaux virtuels ouvre la possibilité, pour les praticiens, de naviguer à travers différentes échelles et différents systèmes physiologiques, pour capitaliser les informations du passé et mieux anticiper les scenarios thérapeutiques. Le projet TwinOnco et la collaboration entre l’AP-HP et Dassault Systèmes permettra, en outre, de constituer des cohortes de patients porteurs de cancers destinés à la recherche clinique. Pour ce faire, Dassault Systèmes s’appuiera sur sa plateforme 3DEXPERIENCE et sur sa solution MEDIDATA qui accélère les essais cliniques et simplifie les flux d’images et de données.
Sur le plan technique, l’AP-HP, qui a été, en 2023, promoteur de plus de 4 400 projets de recherche et compte le plus grand entrepôt de données de santé (EDS) hospitalier français, intégrant plus de 11 millions de patients mettra à disposition ce dernier dans le projet TwinOnco, après information aux patients.
SUR LE MÊME THÈME
Trouver le modèle qui puisse efficacement intégrer l'IA dans le flux de travail du radiologue
Le médecin-chercheur Eric J. Topol et le spécialiste en IA de Harvard, Pranav Rajpurkar plaident en faveur d'une séparation claire des rôles entre les systèmes d'IA et les radiologues dans un éditorial publié dans la Revue Radiology. Ils proposent un cadre que les radiologues doivent adapter à leurs...
28/08/2025 -
Un acteur français de l'IA propose deux outils TDM pour la détection du cancer
Gleamer, acteur française de l’IA médicale, a lancé en juillet dernier sa suite OncoView destinée à assister les radiologues dans la détection précoce du cancer par densitométrie (TDM).
22/08/2025 -
Un réseau de radiologues français conclut un accord avec un fournisseur d'IA pour le diagnostic
Gleamer a annoncé, le 10 Juillet 2025, la signature d’un partenariat stratégique avec le réseau France Imageries Territoires (FIT) pour le déploiement des solutions Gleamer Copilot® dans l’ensemble des centres d’imagerie du réseau FIT.
29/07/2025 -
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 -
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 -
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 -
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 -
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.