3 questions à Nor-eddine Regnard, Fondateur et Chief Medical Officer chez Gleamer

Nor-eddine Regnard, co-fondateur et Chief Medical Officer chez Gleamer, a été radiologue dans les Hôpitaux de Paris pendant 4 ans et a enseigné dans de prestigieuses facultés telles que les universités Pierre et Marie Curie, Paris Descartes, ou encore l’Université Internationale de Rabat au Maroc. En avril 2018, il co-fonde Gleamer aux côtés de Christian Allouche (CEO) et Alexis Ducarouge (CTO), convaincus que l’Intelligence Artificielle peut accompagner la résolution de problèmes médicaux complexes.

Eclairez-nous sur vos solutions de vision par ordinateur. Par quels procédés l’IA améliore-t-elle le diagnostic médical lors des examens radiologiques?

Pour comprendre cela, il faut connaître les différentes étapes du travail d’un radiologue. 

Le radiologue commence par consulter l’ordonnance du médecin prescripteur pour savoir ce qui est pertinent de rechercher pour répondre à la question du prescripteur. Son travail principal consiste à répondre de la meilleure façon à la question qui peut être fermée (exemple: suspicion d’appendicite?) ou plus ouverte (exemple: douleurs abdominales). 

Il doit également regarder toutes les images à la recherche d’autres anomalies pertinentes importantes à décrire pour la prise en charge du patient ou son suivi. Après la phase d’acquisition des images, il est demandé aux radiologues d’analyser les différentes images, avec un rythme soutenu le plus souvent, pour détecter des anomalies qui posent des diagnostics ou font suspecter des diagnostics. 

Ensuite, le radiologue peut comparer ses anomalies avec les anciens examens, en mesurer les dimensions, analyser le contenu et les contours des anomalies. Cela l’aide pour caractériser les anomalies et arriver à un diagnostic. 

Enfin, après avoir tout observé et analysé l’examen en totalité, le radiologue rédige un rapport détaillé. 

L’Intelligence Artificielle peut permettre d’améliorer le diagnostic lors d’examens radiologiques : 

• en améliorant la qualité des images, en diminuant l’irradiation et en faisant gagner du temps lors de l’acquisition des images ;
• en détectant de façon fiable, systématique et reproductible les anomalies pertinentes à n’importe quelle heure du jour ou de la nuit, partout dans le monde ;
• en aidant les radiologues à la caractérisation fine des anomalies ;
• en réalisant des tâches automatiques type segmentations, mesures, comparaison, souvent longues et rébarbatives pour le radiologue ;
• en aidant à la rédaction d’un compte rendu structuré.

Médecins et ingénieurs de l’IA travaillent main dans la main chez Gleamer. Comment l'association du savoir-faire des experts médicaux et des spécialistes de l’IA contribue-t-il à concevoir des solutions innovantes et qualitatives ? 

Chez Gleamer, ingénieurs et médecins radiologues travaillent ensemble dans plusieurs étapes de la vie des produits : 

• dans la réflexion sur les produits pertinents dans le workflow des radiologues ;
• dans la définition précise du contenu des produits pour avoir de la valeur et dans la manière de les construire ;
• dans la définition des consignes d’annotation, dans le suivi quantitatif et qualitatif de ces annotations ; 
• dans l’analyse des performances du logiciel ainsi que des critères cliniques à privilégier en fonction de chaque produit ; 
• dans la compréhension des feed-back utilisateurs ;
• dans l’élaboration et la réalisation des études cliniques indispensables pour briguer des marquages règlementaires (CE, FDA) et pour faire connaître les produits ;
• dans l’élaboration de cas cliniques ;
• dans la réflexion sur le design des produits ;
• dans la réflexion sur la recherche de data.

Cette collaboration permet de s’assurer que les produits répondent à un vrai besoin des médecins, de surveiller la qualité médicale des logiciels, de s’assurer de leur performance et de maximiser les chances d’adoption des produits par les médecins. 

Quelles sont pour vous les recherches en vision par ordinateur les plus prometteuses pour le secteur médical? 

Les secteurs où le diagnostic est fait partiellement ou totalement sur des images que ce soit la radiologie, la médecine nucléaire, l’ophtalmologie, l’anatomopathologie, la dermatologie, la gastro-entérologie… 

La robotique, assistée de la vision par ordinateur, est aussi un domaine très prometteur pour la chirurgie et la radiologie interventionnelle. 

De façon générale, la vision par ordinateur peut aussi permettre d’identifier sur des images de différentes natures des facteurs pronostiques de réponse au traitement. C’est particulièrement pertinent en cancérologie et dans le traitement de certaines maladies chroniques graves comme la sclérose en plaque.

Le document d'étude de validation aux États-Unis de la solution d'IA BoneView de GLEAMER  intitulé " Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence" a reçu le prix Alexander Margulis d'excellence scientifique pour le meilleur article de radiologie de l'année 2022, décerné par la Radiological Society of North America (RSNA).

👉 Pour en savoir plus, c'est par ici.