N° 22713838

Première intégration d’un algorithme d’apprentissage automatique au sein d'un système de planification robotique pour les interventions sur le rachis

Partager

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Recherche, étude, évaluation

Objectifs poursuivis

Prise en charge des patients
Sécurité des patients

Domaines médicaux investigués

Traumatologie
Radiologie et imagerie médicale

Bénéfices attendus

A l’heure actuelle, un enjeu majeur de santé publique en France, comme dans la plupart des pays industrialisés, est de favoriser la transition vers la chirurgie ambulatoire. Les études récentes suggèrent que les dépenses de santé associées à des procédures de chirurgie mini-invasive (CMI) sont nettement inférieures à celles des interventions chirurgicales ouvertes et peuvent, sur la durée, compenser les coûts d’investissement initiaux dans les systèmes, tels que les robots chirurgicaux, permettant de simplifier ces CMI.
Si ce type de chirurgie progresse actuellement rapidement dans de multiples spécialités (la cataracte, la chirurgie de la main, les circoncisions, les varices et les méniscectomies), cela reste modeste dans le cas de la chirurgie orthopédique des prothèses (hanche, genou…) du fait de manque de réelles solutions technologiques éprouvées assistant le chirurgien dans le travail osseux, le positionnement et la fixation de l’implant.
Dans le cas particulier de la chirurgie du rachis, on note une progression spectaculaire de la chirurgie ambulatoire grâce au développement des dispositifs de navigation et d’assistance robotisée au bloc. L'introduction des robots chirurgicaux a marqué une nouvelle avancée significative dans la sécurisation et la simplification des CMI. Cette innovation a permis une standardisation des interventions et a réduit la dépendance à l'expertise individuelle du chirurgien, contribuant ainsi à améliorer les résultats cliniques et à réduire les risques d'erreurs. Cependant, malgré ces progrès, certaines interventions restent complexes comme la chirurgie du rachis où entre 10 à 40% des vis pédiculaires sont mal positionnées entraînant un taux de reprise (ré-opération du patient) supérieur à 10%. Pour remédier à ces défis, la planification et l'assistance robotisée en peropératoire sont devenues des éléments cruciaux.
L’ambition du projet AMEDEE.IA est de développer un système de planification peropératoire (c’est-à-dire directement au bloc opératoire) assisté d’une IA précise et sûre, facilitant les interventions sur le rachis. Le système sera intégré au robot chirurgical, qui pourra être utilisé par le chirurgien directement au bloc opératoire pour effectuer, en quelques minutes, la planification complète de son acte.
L’objectif principal de l’étude AMEDEE.IA est d’évaluer un algorithme de segmentation haute précision des vertèbres permettant la planification de la pose de vis pédiculaires peropératoire dans la chirurgie du rachis dégénératif.
Afin de répondre à l’objectif principal de la recherche, les objectifs spécifiques suivants seront réalisés séquentiellement :
Objectif spécifique 0 : Réaliser la synthèse de l’état de l’art sur :
- La conception d’une BDD de test d’un algorithme d’IA en imagerie orthopédique prenant en compte la diversité d’une population spécifique ;
- L’évaluation d’un algorithme d’IA en imagerie orthopédique prenant en compte la diversité d’une population spécifique.
Objectif spécifique 1 : Concevoir et décrire une BDD exhaustive constituée d’un échantillon de patients traités par chirurgie au CHUGA pour une pathologie du rachis dégénératif sur des critères démographiques, cliniques et médico-techniques.
Objectif spécifique 2 : Concevoir et mettre en œuvre une méthodologie de constitution de jeu de données de test adapté vis-à-vis du cas d’usage donné.
Objectif spécifique 3 : Concevoir et mettre en œuvre une méthodologie d’évaluation d’algorithme d’IA vis-à-vis du cas d’usage donné ; Cette évaluation s’appuiera sur des métriques décrites dans l’état de l’art.
Objectif spécifique 4 : Evaluation de l’algorithme d’IA au regard des métriques spécifiées à l’OS 3

Données utilisées

Catégories de données utilisées

Informations relatives aux pathologies des personnes concernées
Informations recueillies à l'occasion d'activités de prévention, de diagnostic, de soins ou de suivi social et médico-social

Source de données utilisées

Autre

Autre(s) source(s) de donnée(s) mobilisée(s)

Autre(s)

Appariement entre les sources de données mobilisées

  Non

Variables sensibles utilisées

Année et mois de naissance
Date de soins (JJ/MM/AAAA)

Justification du recours à cette(ces) variable(s) sensible(s)

Description et caractérisation de la population de l'étude

Recours au numéro d'identification des professionnels de santé

  Non

Plateforme utilisée pour l'analyse des données

Autre

Acteurs finançant et participant à l'étude

Responsable(s) de traitement

Type de responsable de traitement 1

Etablissement public de santé (dont fédération)

Responsable de traitement 1

CHU Grenoble Alpes

CS 10217, Grenoble 38000 38043 Grenoble Cedex 09 France

Localisation du responsable de traitement 1
  Dans l'UE
Représentant du responsable de traitement 1

Responsable(s) de mise en oeuvre non cités comme responsable de traitement

Responsable de mise en oeuvre non cité comme responsable de traitement 1

CHU GRENOBLE ALPES

CS 10217, Grenoble 38000 38043 Grenoble France

Responsable de mise en oeuvre non cité comme responsable de traitement 2

MAIA Medical Technologies (MAIA)

75 Avenue Gabriel Peri 38400 Saint-Martin-d'Hères France

Responsable de mise en oeuvre non cité comme responsable de traitement 3

SpinEM Robotics (SEM)

75 Avenue Gabriel Peri 38400 Saint-Martin-d'Hères France

Calendrier du projet

Date de début : 01/06/2025 – Date de fin : 01/06/2027 Durée de l'étude : 24
Etape 1 : Dépôt du projet
28/05/2025

Base légale pour accéder aux données

Encadrement réglementaire

Méthodologie de référence 004

Destinataire(s) des données

Destinataire des données 1

CHU Grenoble Alpes

CS 10217, Grenoble 38000 38043 Grenoble Cedex 9 France

Durée de conservation aux fins du projet (en années)

2

Existence d'une prise de décision automatisée

  Non

Fondement juridique

Article 6 du RGPD (Licéité du traitement)

(1)(e) exécution d’une mission d’intérêt public

Article 9 du RGPD (Exception permettant de traiter des données de santé)

(2)(i) intérêt public dans le domaine de la santé publique

Transfert de données personnelles vers un pays hors UE

  Non

Droits des personnes

Lettre d’information mentionnant les droits des articles 15 à 20 du RGPD et comment ceux-ci s’appliquent
Information via le site de transparence pour le CHUGA
Information individuelle pour les sujets non éligible au portail de transparence

Délégué à la protection des données

CHU Grenoble Alpes

CS 10217, Grenoble 38000 38043 Grenoble Cedex 09 France

protection-donnees@chu-grenoble.fr