IA pour la santé

Localisation automatique des reins dans un volume scanner par boîtes englobantes
Thèse Samarakoon — Random Regression Forests
Le cycle du raisonnement à partir de cas appliqué à la décision chirurgicale
REMI — Raisonnement à partir de cas
Guidage par image en cardiologie interventionnelle au bloc opératoire
Cardiologie — segmentation par deep learning

L’IA pour la santé n’est pas arrivée dans ma pratique comme une mode — elle s’est imposée comme une réponse à des besoins cliniques concrets. J’y suis entrée par les forêts de régression, deux ans avant l’explosion du deep learning, avec la thèse de Prasad Samarakoon : une expérience fondatrice qui m’a appris, dès le départ, à questionner les données autant que les algorithmes. Le projet REMI a ensuite ouvert un autre champ : non plus traiter des images, mais raisonner à partir de cas cliniques hétérogènes pour aider à la décision chirurgicale — une approche délibérément interprétable, pensée avec les praticiens. Enfin, le projet Cardiologie a vu l’adoption du deep learning pour la segmentation d’organes, avec la même exigence : des méthodes robustes, des données maîtrisées, un transfert vers la clinique.

Projets & publications

Projets

Publications