Apprentissage fédéré pour la santé oculaire : faire progresser les modèles d'IA visuelle grâce à l'infrastructure de données de la DHDP

Apprentissage fédéré pour la santé oculaire : faire progresser les modèles d'IA visuelle grâce à l'infrastructure de données de la DHDP

Favoriser des soins ophtalmologiques plus rapides et plus intelligents à travers le Canada grâce à une IA appliquée au monde réel et à un partage sécurisé des données

Notre projet vise à améliorer la détection précoce et le diagnostic des troubles oculaires et neurologiques en appliquant l’intelligence artificielle à des données cliniques réelles. En nous associant à des cliniques d’optométrie situées tant en milieu rural qu’urbain, nous souhaitons collecter et normaliser une grande variété de données liées à la vision, notamment des observations cliniques, des dossiers médicaux et des images de l’œil, au sein d’un cadre commun permettant une recherche et un développement de modèles sécurisés et respectueux de la vie privée.

Ce travail répond à un défi croissant dans le domaine des soins de santé : comment exploiter des données fragmentées, souvent non structurées, collectées dans des contextes cliniques quotidiens. Ces données recèlent des informations précieuses, mais sont difficiles à analyser à grande échelle à l'aide des méthodes traditionnelles. En appliquant des techniques d'apprentissage automatique et d'harmonisation des données, notre plateforme aidera à mettre en évidence des schémas pouvant être liés aux signes précurseurs de maladies oculaires telles que le glaucome ou la rétinopathie diabétique, ou à des troubles neurologiques plus généraux affectant les mouvements oculaires et le traitement visuel.

Toutes les données utilisées dans le cadre du projet sont anonymisées et gérées en toute sécurité via un système infonuagique conforme aux normes nationales en matière de confidentialité. Nous utilisons l'apprentissage fédéré, une approche qui permet de former des modèles dans plusieurs cliniques sans partager les données brutes des patients, afin de garantir à la fois la confidentialité des données et une représentation équitable.

À l'issue du projet, nous visons à développer des outils basés sur l'IA capables d'assister les cliniciens en temps réel, de réduire les délais de diagnostic et d'améliorer l'accès aux soins pour diverses populations. Cette initiative contribue aux objectifs plus larges de la médecine de précision en démontrant comment une IA responsable et le partage des données peuvent mener à des soins de santé plus intelligents, plus sûrs et plus inclusifs.