e-Nutriv est un projet de service porté par l’APAMAD, association membre du Réseau APA…
vous avez un projet ?
vous avez un projet ?
CLINNOVA
Une initiative visant à utiliser le potentiel de l’intelligence artificielle (IA) sur les données de santé
CLINNOVA est une initiative visant à utiliser le potentiel de l’intelligence artificielle (IA) sur les données de santé, avec l’ambition d’établir un modèle standard européen, souverain, ouvert et interopérable.
Ensemble, le Grand Est en France, la Sarre et le Bade-Wurtemberg en Allemagne et au Luxembourg, souhaitent valoriser des données de santé massives avec l’IA pour améliorer la prise en charge des patients. Conçues pour fonctionner au-delà des frontières, ces solutions ont un immense potentiel pour transformer les systèmes de santé vers la personnalisation, la durabilité et la prévention.
Le projet réunit un ensemble d’éléments :
- Un réseau de cliniciens orientés vers la recherche multidisciplinaire et axés sur les maladies auto-immunes, inflammatoires et cancéreuses.
- Une stratégie de biobanque fédérée permettant d’atteindre une homogénéité inégalée pour le traitement des échantillons biologiques collectés dans les différentes régions.
- Une plateforme numérique d’innovation en santé basée sur des infrastructures de données interopérables implantées dans chacune des différentes régions partenaires.
- Une stratégie d’intelligence artificielle fédérée pour permettre la formation d’algorithmes sur une quantité massive de données d’apprentissage stockées dans le respect d’un cadre éthique et réglementaire partagé.
La région Grand-Est a confiée à Inesia la conception et la réalisation de la plate-forme en santé pour les CHU de Strasbourg, Nancy et Reims. Inesia prend en charge :
- Les données de recherche clinique centrées sur le patient, dans différentes pathologies (maladies inflammatoires, cancers en phase terminale et COVID long)
- Tous les aspects de la collecte, de la gestion et de la structuration des données. Il s’agit de développer un environnement de données de haute qualité, standardisées et interopérables pour des exploitations fédérées par les partenaires.
- Le traitement de tous les types de données de santé, qu’elles soient structurées ou non, pour prendre en charge l’application de méthodes fédérées d’apprentissage en profondeur par IA.
