DEEPCATH

L’intelligence artificielle pour la détection de signes locaux d’infections autour des cathéters.

Présentation du projet

DeepCath vise à développer le premier dispositif d’aide à la décision thérapeutique du risque d’infection autour d’un cathéter couplant une interface intuitive et un algorithme de reconnaissance d’image.
Dans le contexte actuel, en Europe, la densité d’incidence des infections liées aux cathéters veineux centraux (CVC) varie de 1 à 3,1 pour 1000 patients par jour. Aux États-Unis, le National Nosocomial Infections Surveillance System (NNIS) estime à 80 000 le nombre d’infections sanguines liées aux CVC par jour. Ces infections sont associées à une augmentation de la mortalité, à l’augmentation des durées de séjour et à une augmentation des coûts d’hospitalisation.

Ainsi, la mise en place d’un système automatique facilitant le suivi des patients avec un cathéter, quel que soit leur lieu de prise en soin (centres hospitaliers, cliniques et domicile) permettrait de détecter très précocement les risques d’infections, réduire les complications et participerait ainsi à l’ensemble des stratégies de surveillance, bénéfiques pour le patient.

DeepCath ambitionne de devenir un outil numérique simple, au service des professionnels de santé et des patients en milieu hospitalier et en ville, pour diagnostiquer les signes locaux compatibles avec le diagnostic d’infection liées aux cathéters chez des patients. Son intégration dans la pratique clinique courante répondra aux problématiques rencontrées liées à une difficulté de diagnostic précoce, et contribuera ainsi à améliorer la prise en charge des patients suspectés d’avoir une complication infectieuse.

L’équipe autour du projet

Jean-François Timsit

PU-PH Réanimation, Hôpital Bichat APHP, association OUTCOMEREA

Jean-Ralph Zahar

Hôpital Avicenne APHP, association OUTCOMEREA

Niccolò Buetti

Médecin chercheur, Hôpitaux de Genève

Aurélien Vannieuwenhuyze

QSTOM-it

Anne-Laure Guinet

PhD. Computer sciences, ICUREsearch

Stéphane Ruckly

Biostatisticien, Association OUTCOMEREA, ICUREsearch

Chloé Arnould

Master Conduite étude clinique, ICUREsearch

Quentin Staiquly

Développeur web, ICUREsearch

Ambre Loïodice

Biostatisticienne, ICUREsearch

Les partenaires

Rejoignez-nous et participez au projet DEEPCATH !

Actualités

02.11.2022 – OFFRE DE STAGE MASTER II

Un stage est à pourvoir pour un poste de Recherche / Ingéniérie Intelligence Artificielle.

Titre : Développement d’un algorithme d’intelligence artificielle pour la reconnaissance de signes locaux d’infection autour de cathéters à partir de photographies.

Plus de détails >>

19.10.2022 – La première phase du projet DeepCath est officiellement lancée !

Vous êtes professionnels de santé ? Vous êtes au contact de patients ayant des cathéters implantés ? Vous souhaitez faire avancer la recherche médicale ? Alors, INSCRIVEZ-VOUS sur https://deepcath.com pour PARTICIPER ACTIVEMENT à ce projet ambitieux en nous aidant pour cette première phase où l’objectif est de collecter un MAXIMUM de photos de cathéters !!!

18.10.2022 – DeepCath s’affiche au Congrès du SPIADI !

Cette année, les 4ème Journée de la Mission Nationale SPIADI se sont déroulées au Palais des Congrès à Tours. Un immense merci aux organisateurs et organisatrices, en particulier au Docteur Nathalie VAN DER MEE et au Docteur Anne-Sophie Valentin, pour leur accueil. Nous avons profité de la tribune offerte à notre équipe pour présenter et partager avec les plus de 500 participants, le projet DeepCath. Le programme de ces journées était très riche avec notamment des interventions de chercheurs de haut niveau (Informations : https://www.spiadi.fr/missionday)

17.06.2022 – L’étude clinique DeepCath a obtenu l’accord éthique officiel !

DeepCath a obtenu l’accord du Comité de Protection des Personnes OUEST V ! Il s’agit d’une étude observationnelle multicentrique prospective. L’étude est également inscrite sur ClinicalTrials.gov (NCT05440396).

Objectif principal : Entraîner un modèle d’intelligence artificielle de reconnaissance d’images à travers des images de cathéters intravasculaires provenant de patients hospitalisés et en ambulatoires pour identifier automatiquement, à partir d’une photographie numérique, la présence de signes locaux associés à une infection.
Résultat attendu : Validation de l’algorithme de deep learning de détection de signes locaux à partir d’une photographie.