Au CHU de Rennes, l’IA s’installe dans le quotidien hospitalier
Aurélie Pasquelin
De l’analyse des données de santé à l’échographie cardiaque, en passant par la détection d’anomalies en imagerie, l’intelligence artificielle investit progressivement les différentes composantes de l’activité hospitalière. Au CHU de Rennes, plusieurs projets illustrent cette évolution.
À l’hôpital, l’intelligence artificielle ne se résume pas à un logiciel installé dans un service. Au CHU de Rennes, elle recouvre une multitude d’usages, des travaux de recherche menés à partir des données de santé jusqu’à des outils déjà intégrés dans certaines pratiques cliniques. Une partie de cette dynamique s’appuie sur le Centre de données cliniques (CDC), en charge de l’entrepôt de données de santé de l’établissement et qui rassemble la majorité des informations produites au cours de la prise en charge des patients : dossiers médicaux, comptes rendus, résultats biologiques ou encore paramètres vitaux.
Assistant hospitalo-universitaire en informatique médicale au CHU et à l’Université de Rennes et médecin réanimateur de formation, le Dr Boris Delange considère ces données avant tout comme un matériau de recherche. Avec les équipes du laboratoire de traitement du signal et de l’image (LTSI) et du CDC, il travaille notamment au développement et à l’évaluation de systèmes d’aide à la décision médicale. Mais « avant de pouvoir utiliser un modèle auprès des patients, il faut franchir plusieurs étapes pour s’assurer de sa pertinence et de sa fiabilité », souligne-t-il. Des projets comme INDICATE, qui réunit plusieurs établissements européens, dont le CHU de Rennes, autour de la constitution d’un réseau multicentrique en réanimation, ou encore le TEF-Health, qui prévoit des « bacs à sable » permettant aux industriels de tester leurs modèles sur des données réelles dans un environnement sécurisé, contribuent ainsi à cette montée en maturité.
Assistant hospitalo-universitaire en informatique médicale au CHU et à l’Université de Rennes et médecin réanimateur de formation, le Dr Boris Delange considère ces données avant tout comme un matériau de recherche. Avec les équipes du laboratoire de traitement du signal et de l’image (LTSI) et du CDC, il travaille notamment au développement et à l’évaluation de systèmes d’aide à la décision médicale. Mais « avant de pouvoir utiliser un modèle auprès des patients, il faut franchir plusieurs étapes pour s’assurer de sa pertinence et de sa fiabilité », souligne-t-il. Des projets comme INDICATE, qui réunit plusieurs établissements européens, dont le CHU de Rennes, autour de la constitution d’un réseau multicentrique en réanimation, ou encore le TEF-Health, qui prévoit des « bacs à sable » permettant aux industriels de tester leurs modèles sur des données réelles dans un environnement sécurisé, contribuent ainsi à cette montée en maturité.
L’imagerie, laboratoire des usages cliniques
Si les modèles prédictifs demandent encore du temps pour passer de la recherche à la pratique, l’imagerie a déjà franchi plusieurs étapes. Au CHU de Rennes, l’IA intervient à différents niveaux, comme l’amélioration de la qualité des images, la détection d’anomalies et l’aide au diagnostic. Certains de ces usages sont d’ailleurs devenus presque invisibles pour les professionnels, les équipements intégrant désormais des briques d’IA capables notamment de réduire le bruit, d’améliorer le contraste, d’optimiser la qualité des images voire de réduire les doses d’irradiation en scanner. D’autres applications interviennent directement dans l’analyse des examens. L’établissement utilise ainsi un outil développé par le Dr Luc Beuzit, médecin radiologue, et un partenaire industriel, pour caractériser certaines anomalies tumorales lors des examens de la prostate. Aux urgences, un logiciel de détection des fractures sur les radiographies est également utilisé au quotidien.
Au-delà de l’aide au diagnostic, l’IA peut aussi intervenir directement dans la prise en charge. C’est notamment le cas en radiologie interventionnelle, où certains outils permettent de mieux cibler les lésions et, lors des thermoablations, de calculer automatiquement les marges de traitement. Le médecin peut ainsi vérifier immédiatement que la zone traitée couvre suffisamment la lésion. « Cela ajoute un peu de temps à la procédure, mais l’enjeu est surtout de sécuriser le traitement et, à terme, d’éviter autant que possible les reprises d’intervention », explique le Dr Vanessa Brun, spécialisée en radiologie diagnostique et interventionnelle.
Au-delà de l’aide au diagnostic, l’IA peut aussi intervenir directement dans la prise en charge. C’est notamment le cas en radiologie interventionnelle, où certains outils permettent de mieux cibler les lésions et, lors des thermoablations, de calculer automatiquement les marges de traitement. Le médecin peut ainsi vérifier immédiatement que la zone traitée couvre suffisamment la lésion. « Cela ajoute un peu de temps à la procédure, mais l’enjeu est surtout de sécuriser le traitement et, à terme, d’éviter autant que possible les reprises d’intervention », explique le Dr Vanessa Brun, spécialisée en radiologie diagnostique et interventionnelle.
Décentraliser l’expertise cardiologique
En cardiologie, l’IA ouvre également des perspectives en matière de dépistage et d’orientation. Avec 23 000 échographies cardiaques réalisées chaque année, le CHU travaille à automatiser certaines mesures et la génération des comptes rendus, mais aussi à développer l’usage d’échoscopes miniaturisés associés à des outils d’IA. Connectés à un téléphone portable, ces dispositifs permettent déjà à des professionnels formés de réaliser une première exploration dans des services non spécialisés. « L’idée est de pouvoir identifier les patients qui nécessitent réellement une échographie complète ou un avis spécialisé », explique le Pr Erwan Donal, cardiologue et coordinateur de centre expert au service de cardiologie et maladies vasculaires. À terme, le système pourrait être étendu à d’autres services, mais aussi à des professionnels de santé de proximité, médecins généralistes ou paramédicaux. L’objectif serait de leur permettre de réaliser une première acquisition dans les territoires où l’accès à un cardiologue est plus difficile. Les patients présentant une anomalie pourraient alors être orientés vers un spécialiste, tandis que les autres pourraient être pris en charge au plus près de leur lieu de vie.
Quand l’IA devient un outil de recherche clinique
En cardiologie, les équipes rennaises explorent aussi de nouvelles applications de l’IA à partir des données produites par les échographes. « Nous cherchons à déterminer, à partir des données échographiques, quels patients sont susceptibles de répondre à une stratégie thérapeutique donnée », précise le Pr Erwan Donal. Les données nécessaires au fonctionnement du modèle sont transmises de manière sécurisée, sans transfert direct des données identifiantes des patients. Cette recherche s’appuie en outre sur des équipements de pointe. Le CHU dispose notamment d’un « holoscope », qui permet de reconstruire et d’explorer en trois dimensions les structures cardiaques à partir d’images échographiques acquises en salle de cathétérisme. Pour Erwan Donal, ces projets reposent sur la complémentarité entre les technologies, les données et les expertises : « L’enjeu est de faire travailler ensemble les médecins, les chercheurs, les ingénieurs et les industriels pour transformer ces données en outils utiles à la prise en charge. »
Une technologie à encadrer plutôt qu’à subir
Cette progression ne va toutefois pas sans interrogations. Pour Vanessa Brun, « l’IA doit avant tout répondre à un besoin concret et apporter une réelle valeur à la prise en charge ». La radiologue alerte également sur le risque de voir les professionnels accorder une confiance excessive aux outils les plus performants, au détriment de leur propre expertise et de leur esprit critique. Cet enjeu se retrouve aussi dans la formation. À Rennes, les futurs professionnels de santé sont notamment sensibilisés à l’évaluation des modèles prédictifs et aux limites des chatbots médicaux, dans le cadre du programme d’enseignement EDSAN (EDucation en Santé NUmérique). « L’objectif est de leur donner les clés pour comprendre ces outils, mais aussi pour savoir quand leurs résultats peuvent être fiables et quand ils doivent être questionnés », explique Boris Delange. Au CHU de Rennes, l’IA progresse ainsi par étapes, entre recherche, expérimentation et usages déjà opérationnels, avec une même exigence : confronter les possibilités de la technologie aux besoins de l’hôpital, à la robustesse des données et aux réalités du terrain.
> Article paru dans le hors-série #10 – Journées AFIB 2026, à lire ici
> Article paru dans le hors-série #10 – Journées AFIB 2026, à lire ici
