Quand l’IA et la robotique sauvent des vies : comment un hôpital pour enfants utilise l’open source pour des greffes cardiaques plus sûres

Un défi médical aussi précis qu’urgent

Quand un enfant a besoin d’une greffe cardiaque, chaque minute compte. Le temps est un facteur critique : il faut identifier un donneur compatible, organiser l’opération et transplanter l’organe avant que le cœur ne soit trop longtemps privé d’oxygène. Pourtant, une étape clé de ce processus, le calcul du volume cardiaque total (TCV), prend jusqu’à 30 minutes à un cardiologue expérimenté. Pendant ce temps, le cœur du receveur attend.

C’est là que l’intelligence artificielle entre en jeu. À l’hôpital pour enfants de Cincinnati, une équipe de chercheurs a mis au point un modèle d’IA capable d’effectuer cette tâche en quelques secondes, avec une précision équivalente à celle d’un expert humain. Leur outil ne se contente pas de gagner du temps : il pourrait aussi élargir le pool de donneurs compatibles, augmentant ainsi les chances de survie des enfants en attente.

Comment l’IA analyse un cœur en un clin d’œil

Le système repose sur une technique d’IA appelée deep learning, qui permet aux machines d’imiter le raisonnement humain pour interpréter des images médicales. Concrètement, le modèle est entraîné sur des milliers de scanners cardiaques, lui apprenant à reconnaître les contours du cœur et à calculer son volume avec une précision millimétrée. Une fois le modèle prêt, il suffit de lui soumettre une nouvelle image pour obtenir une réponse quasi instantanée.

Mais développer un tel outil n’est pas une mince affaire. Les chercheurs de Cincinnati ont collaboré avec NVIDIA pour intégrer leur solution dans Project MONAI (Medical Open Network for Artificial Intelligence), une plateforme open source dédiée à l’imagerie médicale. MONAI fournit les outils nécessaires pour traiter les images, entraîner les modèles et les déployer dans un environnement clinique. Sans cette infrastructure, le projet aurait nécessité des mois de développement supplémentaire.

Des résultats prometteurs, mais un déploiement encore en cours

Dans une étude récente, le modèle d’IA a atteint une précision de 94,5 % dans l’identification des donneurs compatibles, un score identique à celui des cardiologues. Mieux encore, cette précision reste stable, quel que soit l’âge, le poids ou la taille de l’enfant. Une avancée majeure, surtout quand on sait que les enfants en attente de greffe sont souvent dans un état critique.

Pourtant, le chemin vers une utilisation généralisée n’est pas encore terminé. Les hôpitaux doivent maintenant apprendre à intégrer ces outils dans leurs systèmes existants. Cela demande une expertise technique, notamment en matière de gestion des données et de cybersécurité. Comme le souligne le Dr Ryan Moore, cardiologue à Cincinnati Children’s : « Il ne suffit pas d’avoir un bon modèle. Il faut aussi savoir l’intégrer dans un flux de travail clinique sans compromettre la sécurité des données. »

Une technologie qui pourrait s’étendre bien au-delà des greffes

Si l’outil a été conçu pour les greffes cardiaques, ses applications potentielles sont bien plus larges. MONAI et les technologies associées (comme NVIDIA Clara Holoscan) sont déjà utilisées pour automatiser d’autres tâches d’imagerie médicale, comme la segmentation d’organes ou l’analyse de valves cardiaques. À l’hôpital pour enfants de Philadelphie, par exemple, des chercheurs utilisent MONAI pour accélérer la création de modèles 3D du cœur, une étape essentielle pour planifier des interventions complexes.

L’open source joue ici un rôle clé. En rendant ces outils accessibles à tous, les équipes médicales peuvent collaborer, partager des données et améliorer les modèles plus rapidement. Comme le résume le Dr Matthew Jolley, de l’hôpital de Philadelphie : « Ces frameworks nous permettent de nous concentrer sur l’innovation, plutôt que de perdre du temps à reconstruire des infrastructures logicielles. »

Et demain ?

Les chercheurs de Cincinnati continuent de collecter des données pour affiner leur modèle. À terme, l’objectif est de déployer ces outils dans d’autres hôpitaux via le réseau d’apprentissage fédéré de NVIDIA, une méthode qui permet de collaborer sans partager les données sensibles des patients. Une fois opérationnel, ce système pourrait réduire les temps d’attente pour les greffes et améliorer les chances de survie des enfants concernés.

Pour l’instant, la technologie est encore en phase de test. Mais une chose est sûre : en combinant robotique, IA et open source, les équipes médicales ouvrent une nouvelle ère pour les soins cardiaques pédiatriques.