Recherche · R&D DIGIKARE
Transformerla vie réelleen preuve clinique.
Chirurgiens et ingénieurs croisent leurs expertises pour exploiter les données de vie réelle et identifier les signaux associés aux résultats cliniques.
NOTRE SAVOIR-FAIRE
L’ingénierie au service
de la recherche clinique.
Chirurgiens et ingénieurs croisent leurs expertises pour transformer des questions cliniques en données exploitables, puis en résultats scientifiques.
01
Numériser les protocoles
Traduire les questions de recherche en parcours numériques, mesures et modalités de recueil.
02
Construire les données
Structurer les bases, contrôler la qualité, nettoyer et préparer les données pour l’analyse.
03
Analyser et modéliser
Statistiques, algorithmes, machine learning et IA pour explorer les données, identifier des associations et construire des modèles.
04
Interpréter avec les chirurgiens
Confronter les résultats à la réalité clinique, discuter leur portée et définir les pistes de recherche.
L’ingénierie R&D
Anthony Guérot — Chief Technology Officer
Ingénierie logicielle, architecture des données et intelligence artificielle.
Pascal Recchia — Principal Engineer
Mathématiques, ingénierie des données et intelligence artificielle.
Nos programmes de recherche
Des cohortes pour mesurer.
Des données pour prédire.
Comprendre et anticiper les résultats après prothèse de hanche.
Anxiété préopératoire et résultats cliniques. Importance du premier mois postopératoire. Modélisation prédictive du résultat à un an.
Voir les premiers travauxDes attentes du patient à leur réalisation.
Quels objectifs les patients se fixent-ils avant leur prothèse de genou ? Les atteignent-ils, et à quel moment de leur récupération ?
Échanger sur cette cohorteAnticiper le retour à la vie active après reconstruction du LCA.
Reprise du travail, retour au sport et prédiction des trajectoires à partir de mesures simples et répétées.
Échanger sur cette cohorteHIP-VALUE · Cohorte hanche
Prédire plus tôt.
Agir plus vite.
Une ambition : prédire pour personnaliser les soins.
Dès le premier mois postopératoire, les données recueillies permettent d’anticiper le risque de douleur à trois mois. Une première avancée vers une médecine capable d’identifier les difficultés suffisamment tôt pour adapter la prise en charge.
10+ chirurgiens participants
Prédire la douleur à 3 mois
Préopératoire seul0,627
Préopératoire + 1 mois0,830
Capacité de discrimination (AUC) · 1 814 interventions analysées
QuestionPeut-on identifier précocement les patients à risque de résultat défavorable ?
Population étudiée1 814 prothèses totales de hanche
Six mois d’amélioration. Puis un ralentissement.
Évolution de la proportion de patients présentant une douleur ou un score fonctionnel défavorable à 3, 6 et 12 mois.
Résultats rapportés par les patientsDouleur ≥ 313,1 %
À 12 moisDouleur ≥ 3mHHS < 80HOOS-PS < 80
Choisissez une échéance sur l’axe pour parcourir les résultats.
Les travaux HIP‑VALUE
À trois mois.
À un an.
2 abstracts scientifiques finalisés.
L’objectif est désormais de porter ces travaux en publication.
Le suivi numérique automatisé peut-il prédire une récupération défavorable après PTH ?
AUC 0,830 à J90 avec les données disponibles à J28.
À quel moment la trajectoire à un an devient-elle identifiable ?
Le premier mois concentre l’essentiel de l’information pronostique utile.
Contribuer aux travaux.
Enrichir les cohortes.
Pour discuter d’une collaboration scientifique ou de votre participation à une cohorte.