L'Association multisectorielle des entreprises d'électronique, de technologies de l'information et de la communication, de télécommunications et de contenu numérique (AMETIC) a récompensé le projet DELFOS dans le cadre de l'événement AI SUMMIT 2024, qui a réuni les principaux professionnels du secteur pour générer des opportunités commerciales autour de l'intelligence artificielle (IA) qui favorisent l'innovation, la compétitivité et des emplois de qualité.
Le projet DELFOS est un projet mené par la société G7 Innovations Solutions SL en collaboration avec l'Université de Séville et l'Institut d'études de la biologie de la reproduction humaine (INEBIR). Il s'agit d'un projet multidisciplinaire (composé de technologues,
Ce projet, qui réunit des chercheurs en génie logiciel et des professionnels de santé spécialisés, s'applique au domaine de la médecine préventive et vise à accélérer la transformation numérique des organismes de santé, notamment ceux spécialisés en procréation médicalement assistée, où la demande de services de conseil génétique dépasse le nombre de généticiens qualifiés. De fait, cette demande devrait croître considérablement à l'avenir avec l'essor des essais cliniques en médecine personnalisée.
L'objectif global du projet est la création d'un système logiciel expert basé sur les technologies du Big Data et les techniques d'intelligence artificielle (en particulier l'apprentissage automatique) pour
Découvrir des pathologies grâce à l'analyse des dossiers médicaux électroniques issus des antécédents des patients, dont les données ne présentent actuellement aucune corrélation connue et ne sont donc pas correctement évaluées lors des procédures ou traitements de procréation médicalement assistée (PMA). Par conséquent, le premier objectif de ce système est de corréler les variables des données des patients dont les relations sont actuellement inconnues. Dans un second temps, l'intégration de ces variables aux données de séquençage de l'exome (gènes) des patients fournira des informations précieuses pour la prise en charge des patients, permettant ainsi d'améliorer les chances de succès des traitements de reproduction. De même, ce système expert vise à optimiser les services de conseil génétique de tout établissement de santé en fournissant aux professionnels de santé un outil d'aide à la décision pour la détection des facteurs de risque génétiques ; le tout grâce à l'intégration d'un modèle de dépistage et d'alerte précoce très sensible.
Par conséquent, les objectifs à développer sur la plateforme sont les suivants :
— Découvrir des données issues des antécédents médicaux des patients qui contribuent à améliorer le succès des traitements en matière de reproduction.
-En fonction des résultats des tests diagnostiques, déterminer s'il existe un risque que
Un individu ou sa descendance peuvent développer des maladies héréditaires.
⎯ Notification en temps réel des alertes en cas de situations à risque.
— Pour appuyer la prise de décision et valider les actions des professionnels.
— Transférabilité et intégration avec différentes organisations de soins de santé pour une utilisation dans la pratique
clinique de procréation assistée.
INEBIR a activement collaboré au développement et au pilotage du projet DELFOS. Au cours de ce processus, l'expérience professionnelle de Dr José Manuel Navarro Pando, directeur médical de l'INEBIR, et de Docteur Ana Teresa Marcos, responsable de l'unité de génétique à l'INEBIR. Les deux experts ont collaboré à la conception et à la validation du programme d'intelligence artificielle pour deux modèles prédictifs générés pour l'infertilité masculine et l'endométriose.
Les modèles prédictifs ont été obtenus à partir de dossiers médicaux électroniques anonymisés, stockés dans le système IMEDEA conformément à la législation sur la protection des données. Grâce à cela, et à l'utilisation de cas réels de patients issus de la phase pilote clinique de l'application, deux articles scientifiques (en collaboration avec l'Université de Séville) ont été publiés, portant sur les maladies mentionnées précédemment et analysant les résultats des prédictions réalisées sur ces cas réels.