Hospitalia, le magazine de l'hôpital pour toute l'actualité et l'information hospitalière https://www.hospitalia.fr/ 2026-05-15T07:30:08+02:00 Webzine Maker 48.8628488 2.3411245 https://www.hospitalia.fr/favicon.ico Publication d’un corpus inédit de comptes-rendus médicaux de patients fictifs en open data pour accélérer l’IA en santé 2026-03-25T11:33:00+01:00 https://www.hospitalia.fr/Publication-d-un-corpus-inedit-de-comptes-rendus-medicaux-de-patients-fictifs-en-open-data-pour-accelerer-l-IA-en-sante_a4977.html https://www.hospitalia.fr/photo/art/imagette/95601511-66806330.jpg 2026-03-25T11:27:00+01:00 Rédaction Publication d’un corpus inédit de comptes-rendus médicaux de patients fictifs en open data pour accélérer l’IA en santé
Le développement d’outils d’intelligence artificielle appliqués aux comptes rendus médicaux s’inscrit dans un cadre structurant et protecteur. La réglementation encadre strictement l’accès aux données cliniques, garantissant leur usage sécurisé, tout en posant des défis en matière de disponibilité de corpus ouverts et d’évaluation des modèles. De plus, les systèmes entraînés sur ces données cliniques peuvent mémoriser des informations des données d’entraînement les rendant eux-mêmes sensibles, ce qui complique leur partage et contribue à un écosystème fragmenté.

Afin de répondre à ces enjeux, un appel a été diffusé auprès des associations d’internes et des centres hospitalo-universitaires partenaires, dans le cadre du projet PARTAGES, lancé en avril 2025. Il a permis de constituer un panel de 120 médecins représentatif de la diversité des spécialités médicales et des territoires pour rédiger un corpus de compte-rendus de patients fictifs.

Fruit de cette mobilisation, le corpus réunit plus de 6 000 comptes-rendus médicaux de patients fictifs rédigés par ces praticiens.Élaboré à partir de situations cliniques fictives, le corpus de comptes-rendus médicaux ne contient aucune donnée issue de patients réels. Il peut ainsi être mobilisé librement, sans aucune contrainte réglementaire, tout en conservant un haut niveau de réalisme et de pertinence clinique. Par son ampleur et son niveau d’exigence méthodologique, il constitue une ressource inédite en France pour l’entraînement, l’évaluation et la comparaison de modèles d’intelligence artificielle au service de l’innovation et des professionnels de santé. Sa publication a été officiellement annoncée le 25 mars, à l’occasion du comité stratégique de mi-parcours du projet PARTAGES.

Ce livrable résulte d’un travail conjoint entre la Plateforme des données de santé et plusieurs partenaires du projet : l’AP-HP, le LISN (Laboratoire interdisciplinaire des sciences du numérique - CNRS/Université Paris-Saclay) et le LIMICS (Laboratoire de recherche en informatique pour la santé - Inserm/Sorbonne Université/Université Sorbonne Paris-Nord), et a fait l’objet de la publication scientifique PARHAF.

PARTAGES : un projet national au service des communs numériques
Lauréat de l’appel à projets “Communs numériques pour l’intelligence artificielle générative”, PARTAGES bénéficie d’un soutien de l’État dans le cadre du plan France 2030 opéré par Bpifrance. Le projet est doté d’un budget total de 9,4 millions d’euros pour une durée de deux ans (2025-2027). Il réunit un consortium inédit de 32 partenaires, composé d’équipes de recherche, de groupes d’établissements de santé publics et privés, ainsi que d’acteurs d ee pt ech spécialisés en intelligence artificielle. Son ambition : structurer des ressources ouvertes pour favoriser l’émergence de solutions d’IA générative en santé, au bénéfice de l’écosystème académique, hospitalier et industriel.

En complément du corpus, PARTAGES met à disposition plusieurs livrables  :
- un guide méthodologique encadrant la production et la relecture des comptes-rendus,
- des sous-ensembles annotés du corpus,
- quatre guides d’annotation dédiés aux cas d’usage du projet,
- un corpus de données médicales ouvertes (articles scientifiques, notices de médicaments, cas cliniques) ayant servi à l’entraînement de modèles de fondation.

Cap sur 2027 : modèles spécialisés et évaluation en conditions réelles
Dans la continuité de ces travaux, le consortium de PARTAGES développera d’ici 2027 sept modèles d’IA spécialisés pour des cas d’usage à fort impact : codage d’informations médicales, résumés automatiques de comptes-rendus, détection automatique en infectiologie, analyse de la réponse aux traitements en oncologie, … Les premiers modèles entraînés ainsi que leur protocole d’évaluation seront publiés prochainement sur le site de la Plateforme des données de santé.

En parallèle, une plateforme nationale d’évaluation fédérée est en cours de développement. Déployée dans 20 hôpitaux et entrepôts de données de santé hospitaliers, elle permettra d’évaluer des algorithmes sur des données réelles dans un cadre réglementaire sécurisé.

> En savoir plus sur PARTAGES

]]> Le Health Data Hub sélectionne huit nouveaux projets pour enrichir sa bibliothèque open source d’algorithmes en santé 2025-06-09T13:13:00+02:00 https://www.hospitalia.fr/Le-Health-Data-Hub-selectionne-huit-nouveaux-projets-pour-enrichir-sa-bibliotheque-open-source-d-algorithmes-en-sante_a4575.html https://www.hospitalia.fr/photo/art/imagette/89155626-63084197.jpg 2025-06-09T13:10:00+02:00 Rédaction Le Health Data Hub sélectionne huit nouveaux projets pour enrichir sa bibliothèque open source d’algorithmes en santé
La BOAS vise à centraliser, documenter et partager des outils réutilisables (algorithmes, scripts, packages…) permettant de mobiliser plus efficacement les données de santé. Elle répond à un besoin partagé par la communauté : éviter la redondance des développements et gagner du temps sur les étapes techniques préparatoires, comme la sélection de populations, l’anonymisation ou l’extraction des données.

Accessible librement, la BOAS rassemble aujourd’hui 33 outils déjà utilisés dans des projets de recherche ou d’innovation en santé.

Trois thématiques prioritaires et huit projets retenus

Pour cette 8e vague, trois axes ont été définis, élargissant le spectre du programme aux outils facilitant la réutilisation des données issues d’autres sources que la base principale. Les projets retenus ont été sélectionnés par un jury d’experts indépendants et bénéficieront d’un accompagnement humain, technique et financier.

 
  • Sur les données de l’Assurance Maladie (SNDS)
    • ALGO-DS (AP-HP) : détection des cas de dénutrition sévère
    • LOKAN (INCa) : identification de cancers (type, date, localisation)
    • PULM-ALGO (CHU Grenoble) : détection de l’hypertension artérielle pulmonaire
    • PROPOLOS (INRIA) : anonymisation tout en conservant les corrélations utiles
    • HEPALGO (Centre Eugène Marquis) : ciblage patient pour essais cliniques
 
  • Sur d’autres bases de données de santé (hospitalières, INSEE, biologiques)
    • MORS (GCS HUGO) : rapprochement entre bases hospitalières et registre de décès
    • FALCON (GCS HUGO) : détection d’anomalies dans les données biologiques
    • PENELOPALGO (AP-HP) : ciblage pour la recherche clinique en cancérologie

Tous les programmes informatiques issus de ces projets seront mis en ligne  et librement accessibles à l’issue de leur développement. Ces contributions participent à la dynamique d’ouverture de ressources pédagogiques comme la documentation en ligne, la foire aux questions  ou les présentations réalisées dans le cadre des meet-up.

La 9e vague de l’appel à projets BOAS est ouverte

Le Health Data Hub maintient l’appel ouvert pour permettre à d’autres acteurs de rejoindre cette démarche de mutualisation. Les candidatures peuvent être soumises jusqu’au 15 octobre 2025 à 21h via la plateforme Démarches Simplifiées.

Les projets retenus bénéficieront, comme pour les précédentes vagues, d’un accompagnement humain, technique et financier par le Health Data Hub.
Retrouvez toutes les informations relatives à cette nouvelle vague sur la page dédiée.

Pour en savoir plus sur les actions du HDH en faveur de la science ouverte, rendez-vous sur le site du Health Data Hub ou contactez l’équipe dédiée à l’adresse suivante : opensource@health-data-hub.fr . 


]]> "Passer de la donnée à l'action" : en 2025, le Health Data Hub accélère le partage des données de santé pour la recherche et l’innovation 2025-03-18T18:22:00+01:00 https://www.hospitalia.fr/Passer-de-la-donnee-a-l-action-en-2025-le-Health-Data-Hub-accelere-le-partage-des-donnees-de-sante-pour-la-recherche_a4446.html https://www.hospitalia.fr/photo/art/imagette/87274206-61937767.jpg 2025-03-18T18:20:00+01:00 Rédaction

Plus de 200 projets accompagnés : l’impact du partage des données s’intensifie

Avec une demande croissante d’accès aux données de santé, le HDH continue de consolider et d’enrichir son accompagnement à destination des porteurs de projet. En 2025, il dépassera la barre des 200 projets soutenus, démontrant ainsi la montée en puissance de la donnée comme ressource clé pour la recherche et la santé publique.

Le catalogue du SNDS : après la structuration, l’accélération

Après plusieurs années de travail technique et réglementaire, le catalogue du SNDS entre dans une phase décisive. Son enrichissement, la simplification des accès et le lancement d’un appel à projets dédié marqueront un tournant dans la valorisation des bases de données de santé pour la recherche.

Anticiper l’essor de l’IA en santé : le HDH en première ligne

Face aux nouveaux enjeux scientifiques et technologiques, le HDH se positionne comme acteur clé de l’anticipation des usages émergents. En 2025, il accompagnera des projets structurants comme PARTAGES, dédié aux modèles de langage appliqués à la santé, et SHAIPED, consortium européen pour le développement de l’IA médicale.

Un alignement stratégique avec la dynamique nationale et européenne

L’année 2025 sera également marquée par l’entrée en vigueur du règlement EHDS, qui façonnera le futur du partage des données de santé en Europe. Dans la continuité de la feuille de route interministérielle sur la réutilisation des données de santé qui sera arrêtée cette année, le HDH accompagnera - sur son périmètre - les acteurs français dans cette transformation, en lien avec le Comité Stratégique des Données de Santé.

Vers une donnée de santé collective, utile et accessible

Pour favoriser le passage de la donnée à l’action, dans un contexte technique qui se complexifie toujours plus, l’accès à une information vulgarisée et compréhensible demeure plus que jamais essentiel et le HDH et ses partenaires poursuivront leurs efforts de diffusion des connaissances.
> Pour en savoir plus, consultez le programme de travail 2025  du Health Data Hub


]]> Mobiliser la science des données pour améliorer les diagnostics médicaux : cinq nouveaux lauréats de l'appel à projets Data Challenges en Santé 2025-02-12T11:32:00+01:00 https://www.hospitalia.fr/Mobiliser-la-science-des-donnees-pour-ameliorer-les-diagnostics-medicaux-cinq-nouveaux-laureats-de-l-appel-a-projets_a4384.html https://www.hospitalia.fr/photo/art/imagette/86420782-61477963.jpg 2025-02-12T11:21:00+01:00 Rédaction Mobiliser la science des données pour améliorer les diagnostics médicaux : cinq nouveaux lauréats de l'appel à projets Data Challenges en Santé
Depuis sa création, le HDH est investi dans l'organisation de compétitions en science des données, ouvertes à tous et visant à développer des solutions innovantes en un temps limité sur des thématiques de santé, à l’aide de l’analyse des données mises à disposition. Avec le SGPI, l’AIS, la DNS et Bpifrance, le HDH lance régulièrement des appels à projets destinés aux acteurs du secteur médical souhaitant organiser un Data Challenge sur une thématique de leur choix.

Depuis le lancement de l'initiative, en 2020, six compétitions  ont ainsi été organisées, rassemblant des data scientists du monde entier pour répondre à diverses problématiques médicales. En juillet 2023, le HDH et ses partenaires ont lancé un nouvel appel à projets, ouvert jusqu’en juin 2025. Une première relève a eu lieu en début d’année 2024 et a permis de sélectionner cinq nouveaux projets visant à mobiliser des outils d’intelligence artificielle (IA) en santé. Une ultime relève des candidatures aura lieu en juin 2025.

Cinq nouveaux projets lauréats mobilisant des solutions d’apprentissage automatique sur des thématiques médicales
  • Le projet ML-KIDCAR (IHU ICAN) vise à développer des modèles d’apprentissage profond capables de détecter la survenue d’insuffisance rénale aiguë après une chirurgie cardiaque, grâce à des données opératoires.
 
  • Le projet MYOCARDIA (MIRACL.ai) a pour objectif de développer des algorithmes capables de classer correctement les myocardites aiguës à partir d’IRM cardiaques, afin d’améliorer la prise en charge des patients.
 
  • Le projet OutsAIder (GHU Paris Psychiatrie et Neurosciences) s’intéresse au lien entre santé mentale et art brut et cherche à développer des solutions d’IA capables de caractériser des œuvres d’art brut (productions de personnes exemptes de culture artistique) et de les corréler à un diagnostic psychiatrique.
 
  • Le projet AID-Oral (AP-HP) vise à développer des algorithmes analysant des photographies de lésions orales, afin d’en extraire des caractéristiques morphologiques et structurelles non visibles à l’œil nu puis de les corréler à un diagnostic et à un risque de transformation maligne.
 
  • Le projet RESPRED-UC (Hôpital Foch) porte sur le cancer urothélial de la vessie. Alors que seuls 20 % des patients sont répondeurs à l’immunothérapie, le projet ambitionne de développer des solutions d’IA capables de prédire la réponse aux immunothérapies à partir des images numériques des lames anatomopathologiques de cancer urothélial de la vessie, permettant une approche personnalisée, en identifiant les patients répondeurs.
page1image58726704

Ces cinq projets bénéficient d’un soutien financier de France 2030, opéré pour le compte de l’Etat par Bpifrance, ainsi que d’une aide organisationnelle, juridique, technique et logistique de la part du HDH dans les différentes étapes de la mise en place de la compétition.

Le Data Challenge « CytologIA » mis en avant dans le cadre du Sommet pour l’action sur l’IA
La précédente relève de l’appel à projets « Data Challenges en santé » a notamment sélectionné le projet CytologIA, porté par le Groupe Francophone d’Hématologie Cellulaire et Algoscope, dont la compétition  a été lancée le 25 novembre pour une durée de 6 semaines.

L’approche innovante de ce dernier a été distinguée le 12 décembre par le Secrétariat général pour l’investissement, qui a sélectionné le « Data Challenge CytologIA » pour faire partie des défis “Convergence IA”. Les résultats de ces défis seront mis en avant lors du Sommet pour l'action sur l'intelligence artificielle, organisé à Paris les 10 et 11 février 2025, qui vise à valoriser des actions concrètes pour garantir le développement de l’IA au bénéfice de l’intérêt général.

]]> Démocratiser l’IA générative en santé : l’Etat, à travers France 2030, sélectionne le projet PARTAGES 2024-12-04T17:06:00+01:00 https://www.hospitalia.fr/Democratiser-l-IA-generative-en-sante-l-Etat-a-travers-France-2030-selectionne-le-projet-PARTAGES_a4322.html https://www.hospitalia.fr/photo/art/imagette/84721671-60478877.jpg 2024-12-04T16:58:00+01:00 Rédaction Démocratiser l’IA générative en santé : l’Etat, à travers France 2030, sélectionne le projet PARTAGES
Alors que l’IA générative en santé donne déjà lieu à des déploiements majeurs, notamment aux États-Unis, ces outils sont encore peu mobilisés dans les établissements de santé français.

Ainsi, dans la lignée des grands modèles de langue (LLM) type ChatGPT, le traitement automatique des langues (TAL) présente de nombreux cas d’usages stratégiques en santé : la transcription automatique des échanges en consultation, le résumé automatique des dossiers médicaux, voire l’assistance dans la décision clinique ou les tâches médico-administratives. De façon générale, ces nouveaux outils peuvent améliorer la qualité de travail du personnel médical ainsi que la relation patient–soignant, avec des bénéfices massifs à la clé pour le système de santé publique.

Fort de ces constats, le HDH et ses partenaires ont formulé une réponse à cet enjeu, dans le cadre de l’appel à projets « Communs numériques pour l’intelligence artificielle générative » de France 2030. Opéré pour le compte de l’Etat par Bpifrance, ce dispositif vise à accélérer la création et la mise en accessibilité de communs numériques sur l’ensemble de la chaîne de valeur de l’IA générative afin d’en assurer l’utilisation, par le plus grand nombre, et d’en favoriser l’émergence de produits et services innovants. L’approche particulière des communs qui a été choisie dans le cadre de ce dispositif permet à des secteurs critiques tels que la santé de bénéficier et de contribuer à la constitution d’un socle de technologies souveraines et sûres.

Soignants, chercheurs, industriels, ... PARTAGES réunit les compétences nécessaires au développement de l’IA générative en santé.
Afin d’être au plus près des besoins des différents acteurs de terrain et de leurs organisations, le projet mobilise 32 acteurs de l’écosystème français, regroupant des expertises en IA et un large panel d'établissements de santé, représentatifs de la diversité du secteur. Parmi eux, des groupes hospitaliers publics tels que l’AP-HP et le GCS HOURAA (réunissant les 4 CHU de la région Auvergnes Rhônes-Alpes: le CHU de Clermont Ferrand, le CHU de Grenoble, les Hospices Civils de Lyon, le CHU de Saint-Étienne), des centres de lutte contre le cancer comme le Centre Léon Bérard, l’Institut Curie, ainsi que les CHU de Toulouse, Bordeaux, Amiens-Picardie, Brest, Lille, Nancy, Rouen et la Réunion. Les groupes d’établissements ELSAN et Ramsay Santé ainsi que deux hôpitaux privés (Foch, Saint-Joseph & Marie Lannelongue) font également partie des acteurs impliqués dans ce projet.

Cela permettra aux experts académiques et industriels en IA, en particulier du TAL, de développer des outils répondant aux besoins des professionnels de santé, qui pourront s’assurer de leur pertinence et de leur représentativité. Ainsi, les laboratoires LIA (Avignon), LIG (Grenoble), LIS (Aix-Marseille), LS2N (Nantes), BPH (Bordeaux) mais aussi les équipes de l’AP-HP et de la startup Mistral AI contribueront à la conception d’un grand modèle de langue adapté spécifiquement au secteur de la santé. Ce grand modèle de langue servira de base à une large gamme d’outils particulièrement innovants, dont la performance sera assurée par des experts de la fiabilisation des données et l’évaluation de modèles IA dont les laboratoires de recherche LIMICS (Laboratoire de recherche en informatique pour la santé - Inserm/Sorbonne Université/Université Sorbonne Paris-Nord), le LISN (Laboratoire interdisciplinaire des sciences du numérique - CNRS/Université Paris-Saclay) et le département de santé numérique du CHU de Rouen (DéSaN) ainsi que la startup reciTAL.

Ces outils à l’état de l’art seront conçus pour répondre à six cas d’usage stratégiques, dont le développement sera assuré par une collaboration entre les équipes du GreyC (Laboratoire de Recherche en sciences du numérique - Université de Caen Normandie/CNRS/Ecole Nationale Supérieure d’Ingénieurs de Caen), de l’AP-HP, du LIMICS, du Centre Léon Bérard, de l’UNESS (Université numérique en santé et sport) et du centre de recherche BPH Inserm/université de Bordeaux :
  • Un outil de pseudonymisation automatique des données textuelles de santé, afin que l’ensemble de l’écosystème puisse bénéficier d’un outil standardisé pour cette étape préalable à toute utilisation secondaire des données de santé
  • Deux outils visant à assister les praticiens de santé sur des tâches médico-administratives (codage DIM et résumé structuré de comptes-rendus) afin de libérer du temps médical
  • Un cas d’usage permettant la génération de contenus pédagogiques pour tous les étudiants en médecine en France
  • Deux outils facilitant l’analyse et la structuration automatique des informations médicales afin de soutenir la recherche clinique, en particulier en oncologie.

Une panoplie de communs numériques conçus pour enclencher une dynamique sur le développement du TAL en santé
La plateforme nationale d'évaluation fédérée, qui sera développée par le CNRS, permettra d'exécuter et d'évaluer tous les algorithmes développés sur des données réelles provenant de l'ensemble des établissements de santé partenaires.

Les modèles, comme la plateforme, seront mis en open source pour une utilisation la plus large possible. Ils constitueront ainsi des briques de base afin que l'écosystème pourra s’approprier pour développer une large gamme de cas d’usage d’IA générative en santé.

]]>