La Faculté de médecine de l’Université d’Ottawa est ravie de partager les résultats de son Programme de financement de démarrage en intelligence artificielle (IA) 2024, une compétition qui continue de pousser les frontières de la recherche et de l’innovation en IA médicale.
Cette compétition, rendue possible grâce aux généreuses contributions des donateurs Joseph et Amy Ip, s'appuie sur l'élan établi depuis le lancement du programme en 2020. En soutenant des projets de recherche et de formation novateurs, le Pogramme de financement de démarrage en IA renforce la capacité de la Faculté à intégrer l'IA dans les soins de santé, favorisant ainsi l'avancement des connaissances et l'amélioration des résultats des soins aux patients.
Le programme a attribué un total de 50 000$ à cinq propositions exceptionnelles, chacune recevant 10 000$ pour appuyer ses travaux. Ces projets, dirigés par des chercheurs prnicipaux d'exception de la Faculté et des instituts de recherche affiliés aux hôpitaux, représentent diverses approches pour exploiter le potentiel transformateur de l'IA en médecine :
- Matthew Henderson (Département de pathologie et médecine de lab/HEEO)AI for Congenital Hypothyroidism ScreeningL’hypothyroïdie congénitale (HC) est une cause évitable de déficience intellectuelle chez les nouveau-nés. La détection précoce est cruciale pour un développement normal. La méthode de dépistage actuelle en Ontario, qui mesure les niveaux de l’hormone thyréostimulante, donne souvent lieu à des faux positifs, entraînant des suivis diagnostiques inutiles. Ce projet vise à améliorer le dépistage de l’HC grâce à l’apprentissage automatique. En exploitant les données massives de Dépistage néonatal Ontario, l’équipe de projet a développé un modèle d’apprentissage automatique qui double la valeur prédictive positive des dépistages initiaux tout en maintenant une sensibilité de 100 %. Ce projet vise à améliorer encore cette avancée et à fournir un cadre pour l’application de l’apprentissage automatique à d’autres programmes de dépistage des maladies rares.
- Gregory Hundemer (Département de médecine/IRHO)Learning from an Artificial Intelligence Implementation at the Ottawa HospitalCe projet s’appuie sur un modèle de prédiction à la fine pointe de l’intelligence artificielle, récemment développé et validé, conçu pour réduire le taux de dialyse imprévue chez les patients atteints de maladie rénale chronique avancée. Malgré l’absence de structures établies et le manque de précédents pour guider le déploiement clinique de ce modèle, l’équipe de projet trace la voie vers son implantation et cherche à traduire les nouvelles connaissances acquises en cours de route. Grâce à ce projet, l’équipe vise non seulement à améliorer les résultats pour les patients, mais aussi à orienter l’avenir des infrastructures d’intelligence artificielle omniprésents à l’Hôpital d’Ottawa.
- Kheira Jolin-Dahel (Département de médecine familiale/ISM/Bruyère)Comparison of AI Generated and Human Generated Feedback Reports of Family Medicine Resident Research Project Proposals at the Question and Timeline (QT), Short Report (SR), Progress Report (PR) and Final Report (FR) Stages - An Assessment and Evaluation ProjectL’objectif de ce projet est d’évaluer l’utilisation de l’intelligence artificielle pour générer un premier brouillon de rapport de rétroaction pour les QT, SR, PR et FR, qui sera ensuite révisé et modifié par l’équipe de recherche en médecine familiale. Cette approche vise à réduire le délai entre la soumission et la remise de rapports de rétroaction de haute qualité et à tester l’implantation d’un processus hybride de génération de rapports assistée par IA, centré sur l’humain.
- Ran Klein (Département de médecine/IRHO)Precommercial Deployment of Medical Image Processing Automation Server (MIPAS)Alors que l’IA et les algorithmes de traitement d’images médicales continuent de progresser, leur intégration dans les systèmes cliniques demeure un obstacle au passage de la preuve de concept à l’utilité clinique. Nous développons le Medical Image Processing Automation Server (MIPAS), qui permet d’intégrer de façon transparente les nouvelles applications de traitement d’images basées sur l’IA dans le flux de travail clinique. Ce concept a été démontré comme prototype au Département de médecine nucléaire et d’imagerie moléculaire, intégrant des solutions développées en interne et des applications open source d’IA dans le flux de travail clinique. Ce projet vise à améliorer l’implantation de MIPAS afin de le préparer à un déploiement clinique de routine, une diffusion à grande échelle et une éventuelle commercialisation.
- Jerry Maniate (Département de médecine/IRHO/Bruyère)The CARE-AI Study: Creating Accountable and Responsible Ethics for Artificial Intelligence in HealthcareLa prévalence de l’IA dans les soins de santé offre des avantages tels que l’amélioration des soins et des options de traitement, mais soulève également des enjeux éthiques et de confidentialité. Les lignes directrices de 2011, conçues pour les médias sociaux, ne couvrent pas les complexités de l’IA. Notre recherche vise à mettre à jour ces lignes directrices pour aborder les questions éthiques, de confidentialité et de biais propres à l’IA. En collaboration avec des experts, ce projet utilisera des groupes de discussion et la méthode Delphi modifiée pour affiner ces lignes directrices. L’objectif est de créer des principes qui garantissent une utilisation responsable, éthique et équitable de l’IA dans les soins de santé, sous la direction du laboratoire d’Équité dans les systèmes de santé à l’Institut de recherche Bruyère.