Iris
Plateforme d’aide à la décision clinique basée sur l’IA qui accélérera la planification et le suivi du traitement, tout en améliorant la précision de l’analyse des images diagnostiques.
Résumé du projet
Mise à jour Octobre 16, 2024
Le problème
La prestation de soins diagnostiques cliniques de qualité aux patients dépend d'une analyse précise et opportune de l'imagerie diagnostique et de ses données associées, telles que les informations démographiques et pertinentes sur les antécédents du patient.
Il existe un large éventail de facteurs contributifs qui présentent un risque accru d'avoir un impact négatif sur la capacité à fournir un traitement médical efficace et une intervention rapide, notamment :
- augmentations exponentielles des volumes d'imagerie combinées à une pression croissante sur les fournisseurs de services d'imagerie médicale pour faire plus avec moins
- problèmes de communication et de flux de travail avec de multiples systèmes disparates qui réduisent l'efficacité de la collaboration et l'escalade/la transmission des résultats
- environnements éloignés ou services d'urgence où un diagnostic immédiat n'est pas disponible, mais est essentiel pour déterminer le traitement le plus approprié
De plus, avec l'important arriéré de patients qui tentent de reprogrammer leurs procédures d'imagerie médicale en raison de la COVID-19, la demande de base croissante en imagerie médicale et les capacités limitées des services de radiologie, le système de santé a besoin de solutions qui peuvent considérablement optimiser les soins cliniques. voies.
Comment nous le résolvons
Iris est la première plateforme canadienne basée sur l'intelligence artificielle à agir en tant que copilote pour l'analyse d'imagerie diagnostique médicale et la prise de décision clinique. La plateforme est dirigée par Synthesis Health, en partenariat avec GE Healthcare, Konica Minolta, l'Université de la Colombie-Britannique, le Vancouver Coastal Health Research Institute et BC Cancer.
Iris augmentera la rapidité et la précision des décisions de traitement de première ligne, améliorera les capacités des radiologues et autres médecins à détecter systématiquement les anomalies dans les images radiologiques. De plus, il démocratisera l'accès à un parcours de soins cliniques moderne, quelles que soient les disparités géographiques ou socio-économiques, tout en améliorant la qualité globale des soins aux patients.
La plateforme Iris sera formée en toute sécurité sur plus de 10 ans de données d'imagerie provenant de partenaires des autorités sanitaires canadiennes. Il intégrera des modèles d'apprentissage automatique, des classificateurs d'IA et des interprètes capables d'analyser les images de test de diagnostic en temps réel pour identifier les anomalies, normaliser les mesures, déterminer les changements matériels, hiérarchiser les examens et mieux prédire les résultats cliniques et le suivi approprié des patients. Des outils de compréhension du langage naturel seront mis en œuvre pour examiner chaque rapport de radiologie à des fins d'assurance qualité, de surveillance des patients et de suivi. La plate-forme Iris sera conçue pour s'intégrer de manière transparente aux systèmes d'archivage et de communication d'images (PACS) et aux systèmes d'information radiologique (RIS) les plus importants au Canada.
Le projet Iris établira également un Conseil consultatif national sur l'IA dans les soins de santé avec des leaders clés de partout au Canada pour partager les apprentissages, influencer la prise de décision et créer un équilibre responsable entre l'innovation et la sécurité des patients afin d'améliorer la réputation du Canada en tant que moteur mondial de l'IA dans les soins de santé.
Le Résultat
Le consortium Iris cherchait à créer La première plateforme canadienne basée sur l'IA à agir comme copilote pour l'analyse et l'analyse d'imagerie diagnostique médicale prise de décision clinique. Le projet comprenait le développement de 9 solutions d'IA développées pour l'imagerie médicale, y compris des produits d'IA pour l'imagerie diagnostique et solutions de traitement du langage naturel (TAL) prêtes à être commercialisées. Il est égalementa mis en place une pile technologique qui permettrait une intégration évolutive, sécurisée et rapide de l'IA dans les flux de travail d'imagerie médicale ; ainsi que le ccréation d'un programme de formation en IA pour les médecins et perfectionnement des processus de partage des données et politiques.
Chef de projet
Partenaires du projet
-
"Notre consortium est particulièrement bien placé pour tirer parti de la technologie évolutive, des plates-formes de développement d'apprentissage automatique existantes et relier l'expertise universitaire et industrielle pour créer et intégrer Iris."
Médecin-chef, Synthesis Health En savoir plus