Optimiser le dépistage de la dénutrition hospitalière grâce à l’intelligence artificielle

 

Environ un tiers des patients présente une dénutrition à leur admission à l'hôpital, impactant leur pronostic et augmentant leur risque de décès.

Pourtant, le dépistage de cette comorbidité n'est pas systématisé, alors que sa prise en charge est simple et permet de réduire le risque de complications graves et de mortalité.

Le logiciel innovant ODIASP, développé au CHU Grenoble Alpes en collaboration avec le laboratoire TIMC et l'Université Grenoble Alpes, sous la direction de la Professeur Cécile Bétry, vise à optimiser le diagnostic de la dénutrition.

Grâce à des algorithmes d'intelligence artificielle, ce logiciel permet une mesure automatisée de la surface musculaire à partir d'images de scanner réalisées pour d'autres raisons cliniques, permettant ainsi de détecter une réduction de masse musculaire, l'un des critères diagnostiques de la dénutrition.

Actuellement disponible en open source pour des projets de recherche (www.odiasp.fr), le logiciel ODIASP a fait l'objet d'une validation rigoureuse [1].

Avec le soutien de la SATT Linksium, le projet poursuit son développement afin d’obtenir le marquage CE, une étape clé pour son déploiement en pratique clinique.

odiasp

[1] Charriere K, Ragusa A, Genoux B, Vilotitch A, Artemova S, Dumont C, et al. ODIASP: An Open User-Friendly Software for Automated SMI Determination - Application to an Inpatient Population 2024:2024.10.25.24316094. https://doi.org/10.1101/2024.10.25.24316094