IA et santé : comment l'intelligence artificielle aide à lutter contre l'arthrose du genou

En mai dernier, le projet « Développement de score fonctionnel pour guider le diagnostic et l'aide à la recommandation thérapeutique de pathologies du genou » figurait parmi les lauréats de l'appel à projets « Pour des innovations d'avenir » d'Axelys, une organisation à but non lucratif québécoise. L'équipe scientifique du projet comptait les professeures du Département Science et Technologie de l'Université TÉLUQ, Khadidja Henni et Neila Mezghani, également chercheuse au centre de recherche du Chum ainsi que Nicola Hagemeister, de l'École de technologie supérieure (ÉTS), elle aussi chercheuse au CHUM, auxquelles s'était associée l'entreprise québécoise EMOVI.  L'arthrose du genou, ou gonarthrose, est une usure puis une destruction du cartilage articulaire, dans diverses zones de l'articulation du genou. Cette maladie chronique souvent liée au vieillissement touche plus souvent les femmes, elle peut être aussi due au surpoids, aux mini-traumatismes répétés lors d'activités professionnelles ou sportives ou d'origine génétique. Neila Mezghani et Nicola Hagemeister ont mené conjointement diverses études, elles travaillent actuellement au sein de l'équipe du projet « Classification automatique de données cinématiques du genou et son application au diagnostic de pathologies ». L'objectif est de développer un système automatique de classification de données cinématiques, de l'appliquer pour la mise en œuvre d’une nouvelle technologie de diagnostic de pathologie du genou et de l'intégrer au système d’analyse du mouvement du genou KneeKG.

La genougraphie

La genougraphie, une évaluation du mouvement du genou, permet de comprendre l’origine de la douleur ressentie par le patient et de créer un programme personnalisé d’exercices en fonction des déficits observés. Elle est effectuée à l'aide du système KneeKG, un dispositif médical portable, approuvé par la FDA , autorisé par Santé Canada et marqué CE, qui fournit rapidement des données précises, fiables et en temps réel quantifiant le mouvement de l’articulation du genou. Cet outil, développé au laboratoire de recherche en imagerie et orthopédie (LIO) de l’École de technologie supérieur (ÉTS) notamment par Nicola Hagemeister, est le fruit du travail collaboratif d'une vingtaine d'années réunissant l'ÉTS, le Centre de recherche du Centre hospitalier de l’Université de Montréal (CHUM) et l’Université TÉLUQ. Le système KneeKG se compose de trois éléments : un exosquelette sur lequel sont fixés des capteurs de mouvements, une caméra NDI de qualité chirurgicale et un ordinateur. Un harnais est fixé sur la jambe du patient, les réflexions renvoyées par les capteurs de mouvements sont ensuite enregistrées par la caméra à infrarouge qui transmet l’information à l’ordinateur. Les algorithmes du système KneeKG analysent ensuite les données automatiquement et extraient des biomarqueurs mécaniques connus pour être liés à la progression de pathologies spécifiques et de symptômes liés à une blessure au genou. Commercialisé par Emovi, il est distribué en France, Allemagne, Italie, Pologne, Espagne et au Royaume-Uni par Macopharma.

Le projet « Développement de score fonctionnel pour guider le diagnostic et l'aide à la recommandation thérapeutique de pathologies du genou »

Ce projet innovant réunissant Neila Mezghani, Khadidja Henni, Nicola Hagemeister et Emovi, s'appuie sur l'expertise de Neila Mezghani qui est titulaire de la Chaire du Canada en analyse de données biomédicales. La professeure s'intéresse à l'analyse et à la classification de données en génie biomédicales et à l'élaboration d'outils basés sur des méthodes d' IA pour le développement de système d'aide à la décision. Les outils d'évaluation du genou assistés par l'IA, sur lesquels travaille l'équipe du projet, permettront d'obtenir des diagnostics plus rapides et plus précis pour les personnes souffrant d'arthrose du genou. L'équipe souhaite développer des mesures chiffrées (score fonctionnel) associées aux différentes pathologies du genou qui serviraient de repères pour le clinicien. Ce score permettrait également de classifier le risque de progression de la maladie de façon plus précise et ainsi de prioriser les suivis à effectuer. Une subvention de 471 901 $ a été octroyée à l'équipe scientifique. Ce financement provient en majorité du Ministère de l'Économie et de l'Innovation du Québec (80 %) et de partenaires privés (20 %).