IA & imagerie au CHRU de Nancy : pour une optimisation de la prise en charge des patients

Le CHRU de Nancy, poursuit sa mutation grâce à l’intelligence artificielle, il vient d’acquérir  deux nouveaux scanners avec Intelligence Artificielle et solution de Deep Learning[1] embarquée. Ces équipements viennent renforcer les deux autres scanners du site de l’hôpital Central et du Service d’Imagerie des Urgences adultes (SIDU). Le coût total de la mise en place des deux nouveaux équipements s’élève à 1.8 millions d’euros. Par ces investissements le CHRU entend optimiser davantage le parcours de soins et améliorer la qualité des soins dispensés.  

Amélioration de la prise en charge patient

Le service d’imagerie médicale, géré par le Pr Alain Blum, utilise le Scanner One Genesis de Canon notamment pour réaliser des explorations dynamiques des articulations grâce à sa résolution temporelle très élevée et la large couverture des régions anatomiques. « Notre service est référent dans ce type d’examen qui est parfois le seul à mettre en évidence les causes des douleurs qui surviennent lors des mouvements, il était donc indispensable que le CHRU se dote de l'appareil le plus performant ! » précise le Pr Blum.
Au-delà de la qualité de l’image, le bénéfice principal pour les patients est une meilleure gestion de la dose de rayonnements ionisants et unedurée d’examen raccourcie. Le praticien gère des examens avec jusqu’à 75% d’irradiation en moins. 

2^e établissement de santé à posséder le modèle Précision

Le modèle Précision, quant à lui, propose une technique de Deep Learning Reconstruction qui débruite les images et propose une qualité d’image optimale et avec une résolution spatiale inégalée. Cet appareil est également optimisé pour la réalisation des actes de radiologie interventionnelle (vertébroplastie, kyphoplastie, destruction tumorale, cryothérapie…) dans un environnement adoptant un haut niveau de sécurité. Cette solution innovante, couplée aux nouveaux algorithmes de reconstruction en font un outil exceptionnel comme aide au diagnostic des pathologies osseuses, même en présence de prothèses ou de matériel métallique perturbant habituellement l’analyse des images

En 2018, ce sont 19 075 patients pris en charge par ce type d’appareil soit autant d’examens qui pourront être utilisés par les chercheurs afin de déceler des informations qui ne sont pas lisibles par l’œil humain, mieux caractériser les tumeurs et déterminer des biomarqueurs d’imagerie pour l’aide à la décision.

[1] Deep Learning (apprentissage en profondeur) : méthode avancée d’apprentissage statistique de données non prédéfinies par l’utilisateur mais appris directement par l’algorithme.