Première intégration d’un algorithme d’apprentissage automatique au sein d'un système de planification robotique pour les interventions sur le rachis
Objectif(s) de la recherche et intérêt pour la santé publique
Finalité de l'étude
Objectifs poursuivis
Domaines médicaux investigués
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
Source de données utilisées
Autre(s) source(s) de donnée(s) mobilisée(s)
Appariement entre les sources de données mobilisées
Variables sensibles utilisées
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
Plateforme utilisée pour l'analyse des données
Acteurs finançant et participant à l'étude
Responsable(s) de traitement
Type de responsable de traitement 1
Responsable de traitement 1
Localisation du responsable de traitement 1
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
Responsable de mise en oeuvre non cité comme responsable de traitement 2
Responsable de mise en oeuvre non cité comme responsable de traitement 3
Calendrier du projet
Base légale pour accéder aux données
Encadrement réglementaire
Durée de conservation aux fins du projet (en années)
2
Existence d'une prise de décision automatisée
Fondement juridique
Article 6 du RGPD (Licéité du traitement)
Article 9 du RGPD (Exception permettant de traiter des données de santé)
Transfert de données personnelles vers un pays hors UE
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