Les Data Challenges en santé

Une approche innovante et participative qui favorise l'émergence et le partage de solutions inédites en santé.

Partager

Qu’est-ce qu’un Data Challenge ?

Les Data Challenges sont des compétitions en science des données qui visent à répondre à des problématiques médicales précises à l’aide de l’analyse des données mises à disposition. 

 

Il s’agit plus précisément de résoudre, en un temps imparti, une problématique spécifique de data science grâce à des solutions d’apprentissage automatique. Ces compétitions se déroulent en ligne et sont généralement des problèmes de prédiction, de régression ou de classification, préalablement formulés sur la base de larges jeux de données et mis à disposition des compétiteurs.

 

En s’inscrivant dans une démarche d’intelligence collective et d’ouverture de la science, l’idée pour les organisateurs et les compétiteurs est de mettre leurs forces en commun afin d’accéder, à l’état de l’art de la problématique scientifique, statistique ou technique posée.

L’origine de l’initiative Data Challenges en santé

Dans le cadre du plan France 2030, le Gouvernement a lancé la stratégie d’accélération « Santé Numérique » visant à préparer l’avenir et faire de la France un leader en santé numérique. C’est dans ce contexte que la Délégation ministérielle au Numérique en Santé, le Secrétariat général pour l’investissement, chargé de France 2030, et la Plateforme des données de santé ont lancé l’initiative Data Challenges en santé.
 

Ainsi, depuis 2020, par le biais des appels à projets “Data Challenges en santé”, la Plateforme des données de santé accompagne des acteurs de l'écosystème de la santé dans l’organisation de compétitions portant sur des thématiques médicales d’intérêt. Ces projets bénéficient d’un soutien financier de Bpifrance ainsi que d’un accompagnement logistique, technique et organisationnel par les équipes de la PDS.

 

Les chiffres clés du programme

Lancée en 2020, l’initiative Data Challenges en santé stimule la recherche collaborative autour de l’IA et des données de santé. De nombreux résultats concrets ont déjà émergé de cette initiative, avec de belles perspectives à venir :

  • 8 compétitions internationales organisées réunissant plus de 2 000 équipes du monde entier.
  • 16 nouvelles compétitions prévues d’ici fin 2028, pour continuer à faire progresser la recherche en santé.
  • 21 ressources ouvertes (bases de donnéesmodèles d’IA) mises à disposition de la communauté.
  • Plus d’une trentaine de partenaires : sociétés savantes, établissements de santé, instituts hospitalo-universitaires…
  • Des centaines de téléchargements chaque mois de ces ressources.
  • Des travaux d’intégration des modèles d’IA dans la pratique clinique.

 

Découvrez et participez aux compétitions Data Challenges en santé

Les Data Challenges en santé sont des compétitions ouvertes à tous et d’envergure internationale. Aucun prérequis n’est nécessaire, l’inscription et la participation sont gratuites.

Pour ne rien rater, vous pouvez vous inscrire à notre newsletter pour être informé du lancement de nos Data Challenges.

Le Data Challenge en cours

Dat-Hub

DaT Parkison's Challenge

(Société Française Médecine Nucléaire) Médecine nucléaire, Neurologie : détection de syndrome parkin…

Les Data Challenges à venir

aid_oral

AID-OraL (APHP)

ORL : prédiction du risque de transformation maligne de lésions orales

RESPRED_UC

RESPRED_UC (Hôpital Foch)

Urologie : réponse à l’immunothérapie pour le cancer urothélial de la vessie

ML-KIDCAR

ML-KIDCAR (IHU ICAN)

Cardiologie, Néphrologie : prédiction d’insuffisance rénale aiguë après une chirurgie cardiaque

MYOCARDIA

MYOCARDIA (MIRACL.ai)

Cardiologie : classification de myocardites aiguës

Eugène Gabritschevsky, sans titre, env. 1925

OutsAIder (GHU Paris Psychiatrie Ne…

Psychiatrie : corrélation art brut et diagnostic psychiatrique

Visuel AIM-CTG page Data Challenge

AIM-CTG

(Groupement des Hôpitaux de l'Institut Catholique de Lille) Obstétrique : détection de motifs d…

ALLERGOPEST (Société Française d’Al…

Allergologie : Prédiction d’asthme et d’allergie liés à l’exposition non professionnelle aux pestici…

DATACESAR (MIRACL.ai)

Cardiologie : détection des patients présentant une atteinte cardiaque confirmée

DIPLOMA (Fondation Hôpital Saint-Jo…

Imagerie médicale, Oncologie : détection du cancer du pancréas dans un cadre opportuniste

LOT-LuCA (UNICANCER)

Oncologie : reconstruction des lignes de traitement dans le cancer bronchique non à petites cellules

NEURODEV (Institut Pasteur, AP-HP)

Neurologie, Imagerie médicale : diagnostic de troubles neurodéveloppementaux

PEDIAFEVER (CHU de Nantes)

Pédiatrie : prédiction du risque d’infection bactérienne sévère chez des enfants fébriles

PINKCC PANC (Institut du Cancer de …

Imagerie médicale, Oncologie : détection du cancer du pancréas

PRISME ICU (CHU de Toulouse)

Soins critiques : prédiction de la probabilité de survie d’un patient hospitalisé en soins critiques

TRANSPOP

(CHU Grenoble Alpes, Hospices Civils de Lyon) Anesthésiologie : prédiction du risque de transfusion …

Retour sur les Data Challenges finalisés

ANNITA

ANNITIA (IHU ICAN)

Hépatologie : prédiction du risque de progression d’une stéatose hépatique non alcoolique

cardihack

CardI-HACK (IHU ICan, APHP)

Cardiologie : prédiction du pronostic de cardiomyopathie hypertrophique

cytologia

CytologIA (GFHC, Algoscope)

Hématologie : classification de leucocytes

digilut

DigiLut (Hôpital Foch)

Pneumologie, Anatomopathologie : prédiction du rejet de greffe pulmonaire

dents

D-IA-GNO-DENT (CHRU Strasbourg)

ORL : détection précoce des maladies rares à composante dentaire, orale et faciale

allergen_dc

Allergen Chip (SFAllergologie, Alle…

Allergologie, Immunologie : prédiction de maladies allergiques

VisioMel

VisioMel (SFPathologie, SFDermatolo…

Dermatologie, Anatomopathologie : récidive de mélanome

TissueNet

TissueNet (Société Française de Pat…

Gynécologie, Anatomopathologie : détection des lésions cancéreuses du col utérin

Les bonne pratiques pour organiser un Data Challenge en Santé 

L’organisation d’un Data Challenge en santé requiert des étapes de cadrages scientifique, méthodologique, financier et règlementaire spécifiques à la réutilisation de données de santé. 

Pour mener un projet de ce type de façon conforme, en particulier sur le plan réglementaire, et obtenir des résultats robustes, il est important de s’informer sur les bonnes pratiques à suivre en amont de l’organisation d’un Data Challenge en santé.

Découvrez le MOOC “Organiser un Data Challenge en santé” pour vous former sur ces bonnes pratiques.

Retrouvez également tous les éléments de bonnes pratiques en téléchargeant notre Kit Data Challenge.
 

data challenges


Nos dernières actualités en lien avec les Data Challenges en santé :

Dat-Hub

Lancement Data Challenge DaT-Park

Améliorer le diagnostic des syndromes parkinsoniens grâce à l’IA

cardihack

Data Challenge CardI-HACK

Les résultats du défi autour de la cardiomyopathie hypertrophique