L’intelligence artificielle (IA) occupe une place stratégique dans l’évolution du domaine médical, en particulier dans la réutilisation des données hospitalières. Grâce à ses capacités de traitement massif et automatisé, elle permet d’analyser efficacement des volumes importants d’informations, qu’il s’agisse de textes cliniques, d’imageries médicales ou de données biologiques. Le projet ORD-IA s’inscrit dans cette dynamique en explorant les possibilités offertes par l’IA pour la réutilisation des données de santé, avec pour ambition à long terme de développer un système intelligent capable d’assister les cliniciens dans la planification chirurgicale, la stratification des risques et la prise de décision thérapeutique. 

Ce projet mobilise plusieurs briques technologiques de l’IA, détaillées ci-après. Le traitement du langage naturel (Natural Language Processing, NLP) pour extraire automatiquement des informations pertinentes à partir des comptes rendus médicaux (diagnostic, localisation anatomique, type de fracture, etc.). La vision par ordinateur pour analyser les images scanner (CT-Scan), notamment dans le cadre de la segmentation osseuse et la reconstruction 3D. La gouvernance des données, incluant leur anonymisation, leur traçabilité, et leur valorisation dans le respect des principes éthiques et réglementaires (RGPD, CNIL).

Le projet ORD-IA vise à développer une preuve de concept d’un algorithme capable d’identifier automatiquement les images scanner comme saines ou pathologiques, de détecter des critères spécifiques comme : os tronqué, os entier, fracture présenté, qualité d’image suffisante, etc. et d’automatiser la constitution de bases de données massives pour l’entraînement de modèles IA, en réduisant la dépendance à la recherche manuelle faite par un ingénieur, un interne, un chercheur ou un chirurgien.

Actuellement, la solution Medexprim permet d’interroger le PACS (Picture Archiving and Communication System) en exploitant les métadonnées DICOM (nom de l’examen, date, modalité, etc.). Elle facilite l’extraction et l’anonymisation des images, mais présente des limites. D’un côté, les métadonnées ne contiennent pas d’informations sur le contenu visuel de l’image (présence d’une fracture, qualité de l’os, etc.). De l’autre, Medexprim n’analyse pas les pixels des images, ce qui empêche toute sélection basée sur des critères cliniques ou morphologiques. 

Ainsi, il est actuellement impossible d’interroger le PACS pour extraire uniquement les images contenant des os répondant à des critères comme : sain, pathologique, tronqué, entier, os visible.

La solution développée dans le cadre d’ORD-IA vise à compléter cette chaîne en ajoutant une couche d’analyse basée sur l’IA, capable de labelliser automatiquement les imageries selon des critères spécifiques à la recherche et à l’innovation, notamment en IA. Ces labels ne sont pas présents dans les métadonnées DICOM, mais sont essentiels pour la sélection automatisée des cas pertinents, l’optimisation des bases de données pour l’entraînement des modèles, la réduction du temps de préparation des données pour les projets de recherche fondamentale, clinique et translationnelle.