Le DMP (Dossier Médical Partagé) est un service public numérique qui permet aux patients et aux professionnels de santé de centraliser et partager en toute sécurité les informations médicales essentielles. Il facilite la coordination des soins entre médecins, hôpitaux et autres acteurs de santé, améliore la qualité des diagnostics et réduit les risques d'erreurs médicales. Accessible via des plateformes sécurisées, il s'intègre aux logiciels médicaux existants pour offrir une vision complète et actualisée de l'historique médical des patients.

Projet dédié à l'application des principes de la physique dans le domaine médical. Il permet de modéliser et simuler des phénomènes physiques pour améliorer la compréhension des processus biologiques, optimiser les protocoles médicaux et analyser des données biomédicales. Les outils développés visent à soutenir la recherche et l'innovation en imagerie médicale et en diagnostic.

Développement d'un algorithme de typage du diabète (type 1 vs type 2) à partir de données médicales et administratives. L'outil permet de distinguer les patients diabétiques en utilisant des régressions logistiques pénalisées LASSO sur des cohortes appariées entre dossiers médicaux électroniques et le SNDS. Il vise à améliorer la précision des diagnostics et à soutenir la recherche épidémiologique et économique sur le diabète en France.

Projet dédié à l'analyse avancée d'échocardiographies par intelligence artificielle. Il permet de segmenter automatiquement les images du cœur et de suivre le mouvement des structures cardiaques. Grâce à des modèles de forme et de mouvement préalables, il améliore la robustesse et la précision des diagnostics médicaux, facilitant ainsi le travail des cardiologues et des chercheurs en imagerie médicale.

Ce projet développe une plateforme robotisée dédiée à l'assistance en coloscopie, intégrant des technologies avancées de vision par ordinateur et de robotique médicale. Il vise à améliorer la précision des diagnostics et des interventions en gastro-entérologie grâce à des outils automatisés et des algorithmes de détection en temps réel. Le système s'appuie sur des collaborations internationales dans le cadre du réseau ATLAS ITN, regroupant des chercheurs et des experts en imagerie médicale.

Ce projet utilise des algorithmes d'apprentissage automatique pour améliorer la prise en charge médicale. Il permet la prédiction de maladies, l'assistance au diagnostic médical et la recherche de corrélations épidémiologiques.

Ce projet explore l'intégration de l'intelligence artificielle dans le domaine médical pour améliorer les diagnostics, optimiser les traitements et accélérer la recherche. Il couvre des applications comme l'analyse automatisée d'images médicales (radiographies, IRM), l'assistance aux chirurgiens via des robots, et la personnalisation des soins en fonction des données génétiques ou des antécédents des patients. L'objectif est de rendre la médecine plus précise, rapide et adaptée aux besoins individuels.

DM1 est une plateforme dédiée à la gestion et au partage sécurisé de données médicales entre professionnels de santé. Elle permet de centraliser les dossiers patients, faciliter les échanges entre médecins et améliorer la coordination des soins. L'outil est conçu pour optimiser le suivi médical et réduire les erreurs de diagnostic grâce à une vision globale des antécédents des patients.

Ce projet vise à développer un outil d'intelligence artificielle pour analyser des images de lames histologiques de cancer du poumon. Il permet de segmenter automatiquement les régions d'intérêt et de détecter les cellules cancéreuses, facilitant ainsi le diagnostic médical. L'objectif est d'assister les pathologistes dans leur analyse en réduisant le temps de traitement et en améliorant la précision des résultats.

Ce projet propose un jeu de données dédié à la segmentation des vaisseaux du foie, issu de travaux de recherche menés par l'Inria. Il permet aux chercheurs et développeurs en imagerie médicale d'accéder à des données annotées pour entraîner et évaluer des modèles d'intelligence artificielle. Ces données sont essentielles pour améliorer les outils de diagnostic et de traitement des maladies hépatiques.