Workshop sur l'interopérabilité des données dans le cadre de MAESTRIA

Le projet MAESTRIA (Machine Learning and Artificial Intelligence for Early Detection of Stroke and Atrial Fibrillation) est un consortium de 18 partenaires d’Europe, des Etats-Unis et du Canada répondant à un appel à projet H2020 sur le diagnostic numérique.
Il s’agit d’un projet ultra innovant, ayant pour but de détecter la myopathie auriculaire, améliorer la prise en charge et l'identification de nouvelles cibles thérapeutiques pour une médecine personnalisée de la FA et des accidents vasculaires cérébraux.
Ce projet se base en grande partie sur le partage de données entre les différents partenaires de différents pays mais aussi sur étude clinique prospective. Le but de Workshop est de rassembler les différents acteurs des données dans MAESTRIA (Data managers/ Data scientists) pour se mettre d’accord sur les moyens de gérer les données et comment les rendre interopérables. Assurer l’interopéabilité des données MAESTRIA va permettre de faciliter l’accès, le transfert et l’intégration de données au sein, et permettre par la suite de développer les algorithmes d’intelligence artificielle souhaités.

 

Ajouter à mon agenda 07-06-2022 10:00 08-06-2022 16:30 Europe/Paris Workshop sur l'interopérabilité des données dans le cadre de MAESTRIA

Le projet MAESTRIA (Machine Learning and Artificial Intelligence for Early Detection of Stroke and Atrial Fibrillation) est un consortium de 18 partenaires d’Europe, des Etats-Unis et du Canada répondant à un appel à projet H2020 sur le diagnostic numérique.
Il s’agit d’un projet ultra innovant, ayant pour but de détecter la myopathie auriculaire, améliorer la prise en charge et l'identification de nouvelles cibles thérapeutiques pour une médecine personnalisée de la FA et des accidents vasculaires cérébraux.
Ce projet se base en grande partie sur le partage de données entre les différents partenaires de différents pays mais aussi sur étude clinique prospective. Le but de Workshop est de rassembler les différents acteurs des données dans MAESTRIA (Data managers/ Data scientists) pour se mettre d’accord sur les moyens de gérer les données et comment les rendre interopérables. Assurer l’interopéabilité des données MAESTRIA va permettre de faciliter l’accès, le transfert et l’intégration de données au sein, et permettre par la suite de développer les algorithmes d’intelligence artificielle souhaités.

 

salle bordeaux, 105 bd de l’hôpital

  • Du 07 juin. 2022 au 08 juin. 2022

  • 10:00 - 16:30
  • Séminaire

  • salle bordeaux, 105 bd de l’hôpital

Programme

Mardi 7 juin _ 10h - 17h30

  • Introduction par Stéphane Hatem
  • Flux de données pendant WP1, WP2, WP3, WP4
  • Les données au sein du Data Hub (Luis Pineda, IMT)
  • Données d'activité électrique
  • Comment rendre l'ECG historique interopérable (Stef Zeemering, MU)
  • Interopérabilité des données ECG et contrôle qualité (Jose Maria Lillo, IDOVEN)
  • Normes, stockage, résultats de manière standardisée, devenir de ces signaux, cas MAESTRIA
  • Scanner à MAESTRIA (Henry West, UOXF)
  • Gestion des données historiques, expérience ORFAN sur l'interopérabilité du scanner
  • Interopérabilité prospective des données : acquisition de données, pseudonymisation, partage de données, stockage de données, normalisation des données après traitement
  • Historique des fichiers DICOM (Aurélien Maire, APHP)
  • Comment interroger des images de PACS à l'aide de métadonnées ?
  • IRM à MAESTRIA (Nadja Kachenoura, LIB)
  • Acquisition de données, Pseudonymisation, partage de données, stockage de données, standardisation de données post-traitement
  • Echographie en MAESTRIA (Laurie Dufour, Saint-Antoine APHP)

Mercredi 8 juin _  9h - 16h30

  • Core labs : contrôle qualité, ce qui signifie que des moyens sont mis en place pour résoudre les problèmes de qualité
  • Données exhaustives pour l'IA : expérience ORFAN sur la complétion des données et la modification des données incomplètes pour le développement de l'IA (Henry West, UOXF)
  • Question générale de qualité et de biais ?
  • Interopérabilité des données au-delà de MAESTRIA
  • Défis concrets du machine learning multicentrique : interopérabilité et apprentissage fédéré (Charles Maussion, OWKIN)
  • Vers l'intégration des données multimodales (Maharajah Ponnaiah, IHU ICAN et Stef Zeemering MU)
  • Projet Gaia-X (Luis Pineda, IMT)

Programme complet à venir