|

Precision Prevention: A Novel Approach to Healthcare in Wallonia

ByNicolas Delinte

submitted by Vincent Dessard<\strong>
> Link to forum

Le problème identifié

  • Faibles taux de participation aux programmes de dépistage existants
  • Obstacles: manque de sensibilisation, méthode de dépistage invasives et peu acceptées, absence de stratégies de dépistage personnalisées basées sur les facteurs de risque individuels, …

    • La solution proposée

  • Une plateforme complète pour la médecine préventive
  • Intuitive, centrée sur le citoyen pour gestion proactive de sa santé
  • Accès interoperable & patient-centric aux DPI / DMI (EHR)
  • Intégration de données démographiques, génétiques et environnementales → stratégies de dépistage adaptées aux risques
  • Utilisation de modèles d’IA et de scores de risque polygénique (PRS) pour prédire les risques de pathologies.
    • |

    GUIMIC: From Guidelines to Mindlines through Coalitional Active Learning

    ByNicolas Delinte

    submitted by Benoit Macq
    > Link to forum

    Le problème identifié

  • Difficulté de l’alignement de l’usage de l’IA pour l’aide à la décision clinique avec les « mindlines »
  • Obstacles: rejet des outils d’IA trop prescriptifs et pas assez adaptés aux pratiques médicales en équipe.

    • La solution proposée

  • Une plateforme basée sur le CAL et les RAG des guidelines
  • Les experts établissent une coalition (théorie des jeux coopératifs)

    • RAG avec les guidelines du domaine

    Fine tuning du RAG par échantillonnage coopératif des experts

    Une solution de recommandations avec vote dans la coalition a été implémentée

    | |

    Un modèle moderne pour prédire les risques cardiovasculaires

    ByNicolas Delinte

    submitted by Pierre Remacle<\strong>
    > Link to forum

    Problème identifié
    Aujourd’hui, l’évaluation du risque cardiovasculaire reste un défi important dans le domaine médical. Malgré les avancées, de nombreux patients subissent encore des crises imprévues, souvent faute de prévention adaptée ou d’outils permettant d’anticiper ces événements.

    Solution proposée
    Développement d’un modèle d’IA capable de prédire le risque cardiovasculaire et d’identifier les facteurs clés influençant l’évolution de la maladie. Ce modèle pourrait ensuite être intégré dans un boîtier portable destiné aux médecins, afin de les assister en fournissant un “score de risque cardio” précis

    Impact attendu

    Pour les patients :
    – Réduction des incidents cardiovasculaires imprévus grâce à une détection précoce.
    – Meilleure prise en charge et traitement adapté, améliorant ainsi la qualité de vie.