La santé au vecteur
Les Canadiens ont une occasion sans précédent d'exploiter la recherche et l'innovation de pointe en matière d'IA pour tirer parti de l'avantage en matière de données découlant de notre système de santé publique.
Vector soutient et permet à ses partenaires des secteurs de la santé et de l'enseignement de mettre en œuvre des recherches de pointe en matière d'intelligence artificielle afin d'améliorer la santé tout au long de la vie.
La santé est un pilier essentiel de la stratégie triennale de VECTOR.
Pour améliorer la santé tout au long de la vie, Vector permettra un accès efficace et approprié aux données sur la santé pour la recherche.
Nous pensons que tous les Canadiens méritent de bénéficier de solutions de soins de santé modernes utilisant les meilleures technologies et outils disponibles. Nous sommes particulièrement bien placés pour réunir et faciliter les partenariats entre les scientifiques, le gouvernement et les établissements de santé publique afin d'aider les praticiens de la santé et les décideurs à utiliser les meilleurs outils d'IA disponibles pour améliorer les résultats des patients et la prestation des soins de santé. La clé de l'application de l'IA et de l'utilisation de données de santé ontariennes dépersonnalisées réside dans l'élaboration d'un cadre moderne de gouvernance des données de santé qui protège la vie privée et encourage l'adoption de technologies novatrices permettant de sauver des vies. Avec un cadre pratique et applicable en place, nous serons en mesure de tirer parti de la capacité de l'industrie à développer et à mettre à l'échelle des technologies novatrices pour les soins de santé modernes et à contribuer aux connaissances liées à la santé.
Excellence dans la recherche sur la santé et l'intelligence artificielle
Co-recrutement avec le secteur de la santé
Vector travaille avec des organismes de santé pour recruter les meilleurs talents de l'IA dans ce secteur, en leur permettant d'accéder à des collaborations avec la communauté IA de Vector et à sa puissance de calcul. Si vous êtes intéressé par un partenariat avec nous pour soutenir le co-recrutement de talents mondiaux engagés dans la recherche en IA pour la santé, contactez-nous.
Rencontrez nos chercheurs en IA-santé
De nombreux membres de la communauté Vector travaillent sur la recherche en IA-santé.
Accès responsable aux données de santé pour la recherche
La réalisation du potentiel de l'IA pour améliorer les soins aux patients et réduire les coûts de prestation des services de santé commence par l'accès à des données de haute qualité. Vector a fait des progrès considérables pour faciliter un meilleur accès aux données de santé, et pour définir des cadres modernes de gouvernance des données de santé afin de fournir aux chercheurs un accès sécurisé tout en protégeant la vie privée des patients. Afin de faire progresser l'accès responsable aux données, Vector travaille avec des partenaires et des collaborateurs dans l'écosystème des données de santé pour harmoniser les efforts.
Cadre moderne de gouvernance des données de santé
En collaboration avec les parties prenantes du secteur de la santé, Vector dirige l'élaboration d'un cadre moderne de gouvernance des données de santé afin de garantir que les recherches menées sur le matériel optimisé pour l'IA de Vector sont sécurisées et que la vie privée est protégée.
General Medicine Inpatient Initiative (GEMINI)
Vector travaille avec l'équipe GEMINI, basée à l'hôpital St. Michael's, Unity Health Toronto, pour comprendre et améliorer la qualité des soins hospitaliers en s'appuyant sur l'un des plus grands ensembles de données sur les patients hospitalisés au Canada.
T-CAIREM
Vectorcollabore avec le Temerty Centre for AI Research and Education in Medicine(T-CAIREM), récemment lancé par l'Université de Toronto, pour faire progresser des domaines prioritaires communs, notamment la gouvernance des données et l'infrastructure. Le T-CAIREM cherche à établir des programmes éducatifs de classe mondiale en matière d'IA en médecine, à financer des opportunités de recherche qui rassemblent des experts de diverses disciplines et à créer une plateforme de données sécurisée pour héberger des ensembles de données pour l'apprentissage et la recherche en IA appliquée.
Plateforme d'analyse des données d'IA en santé (HAIDAP)
Nous nous sommes associés à l'Institute for Clinical Evaluative Sciences (ICES) et à HPC4Health à l'Hospital for Sick Children et à l'University Health Network pour construire et mettre à jour la plateforme d'analyse des données d'IA en santé (HAIDAP) - un environnement informatique sécurisé qui permet aux chercheurs d'utiliser des outils et des méthodes d'apprentissage automatique pour analyser des données de santé dépersonnalisées au niveau de la population afin de générer des informations et des prévisions plus précises en matière de santé.
Partenariats de données
Les organisations de tout le Canada détiennent d'importants volumes de données qui peuvent être utilisés pour générer d'importantes informations sur la santé et développer de nouvelles solutions grâce à l'apprentissage automatique.
Vector peut vous aider à mettre votre organisation en contact avec les bons outils et les bons talents pour exploiter cet avantage stratégique, développer des collaborations solides basées sur les données et vous permettre d'en savoir plus sur les environnements informatiques sécurisés et appropriés.
Travailler avec l'industrie
L'industrie joue un rôle essentiel dans l'élaboration et la mise en marché de solutions de soins de santé novatrices et parfois salvatrices. Les fournisseurs de services comme les assureurs, les banques et les détaillants recueillent des données comportementales et sociodémographiques qui pourraient aider les fournisseurs de soins de santé à mieux comprendre les facteurs qui influent sur la santé des Ontariens.
Grâce à son programme de parrainage industriel, Vector travaille avec des entreprises de tous les secteurs pour améliorer leurs capacités en matière d'IA et développer des solutions commerciales et des idées innovantes. Les sponsors industriels ont accès à une série de programmes d'innovation industrielle conçus pour accélérer l'application de l'IA avancée dans leurs organisations. Ces programmes rassemblent les chercheurs de renommée mondiale de Vector, son environnement de calcul avancé, sa communauté de talents diversifiée et ses capacités d'ingénierie de l'IA pour soutenir les organisations qui s'efforcent de transformer l'IA en valeur commerciale.
Déploiement de l'IA dans le domaine de la santé
Vector s'engage à réunir et à faciliter les partenariats entre les scientifiques, le gouvernement et les institutions de santé publique afin d'aider les praticiens de la santé et les décideurs à utiliser les meilleurs outils d'IA disponibles pour améliorer les résultats des patients et la prestation des soins de santé.
Vector contribue au déploiement de la technologie de l'IA dans le secteur de la santé, facilité par des initiatives telles que l'initiative Smart Health de Vector, qui permet la mise à l'échelle et le déploiement d'outils d'apprentissage automatique dans les hôpitaux de l'Ontario.
Projets Pathfinder
L'Institut Vector a soutenu une série de projets exploratoires visant à mettre en œuvre des technologies assistées par l'IA dans le secteur de la santé. Les projets Pathfinder sont des efforts à petite échelle conçus pour produire des résultats en 12 à 18 mois qui orientent les recherches futures et l'adoption des technologies.
Symposium sur le déploiement de l'IA dans le domaine de la santé
Avec Anna Goldenberg Vector a organisé, sous la direction d'Anna Goldenberg et en partenariat avec le Hospital for Sick Children (SickKids), un symposium sur le déploiement de l'IA dans le domaine de la santé, afin de présenter des exemples de recherche en IA mis en pratique dans le domaine des soins de santé. Les résultats ont été publiés dans un livre blanc.
Formation à l'IA pour les praticiens de la santé
Le Vector Institute s'associe au Michener Institute of Education de l'UHN pour concevoir un programme d'enseignement et de formation destiné aux professionnels de la santé de première ligne et portant sur l'utilisation efficace, appropriée, sûre et compatissante de l'IA dans le cadre de leur pratique. Afin de donner la priorité aux besoins des patients dans la création d'une communauté plus saine grâce à l'IA, le projet fera également participer les patients à la conception et au développement des programmes.
Dans l'actualité
- L'Institut Vector lance une initiative "Smart Health" pour stimuler l'innovation dans le domaine des soins de santé : Smart Health permettra la collaboration entre les chercheurs et les hôpitaux afin d'améliorer les soins et les résultats en matière de santé tout en renforçant l'efficacité du système.
- Exigences essentielles pour l'établissement et l'exploitation de fiducies de données : conseils pratiques d'une réunion de travail d'organisations et d'initiatives canadiennes
- Mise en œuvre de l'IA dans les soins de santé : un aperçu du symposium sur le déploiement de l'IA en santé qui s'est déroulé à Toronto, en Ontario, le 30 octobre 2019, dans le cadre d'une collaboration entre l'Hospital for Sick Children et l'Institut Vector.
- CTV Kitchener : Un système d'IA identifie plus précisément les poumons affaissés à l'aide de radiographies thoraciques
- CityTV : L'intelligence artificielle donne un deuxième avis aux médecins de Toronto
- Technologie canadienne des soins de santé : L'intelligence artificielle fait des progrès en tant qu'assistant intelligent
- Globe and Mail: SickKids annonce la nomination d'Anna Goldenberg, membre de la faculté Vector, à la première chaire d'informatique biomédicale et d'intelligence artificielle de l'hôpital.
Recherches récentes publiées
- BIONIC : Intégration des réseaux biologiques à l'aide de convolutions : Bo Wang
- Une cellule à la fois : Un cadre unifié pour l'intégration et l'analyse des données RNA-seq unicellulaires : Bo Wang, et autres contributeurs
- Classification par apprentissage profond des électrogrammes unipolaires dans la fibrillation auriculaire humaine : Application en focale : Bo Wang, et autres contributeurs
- Apprentissage automatique et modèles statistiques classiques pour la prédiction de la réadmission et de la mortalité liées à l'insuffisance cardiaque : Bo Wang, et autres contributeurs
- Mécanismes génétiques de la maladie critique chez Covid-19 : Bo Wang, et autres contributeurs
- Comparaison entre l'apprentissage automatique et les modèles statistiques conventionnels pour prédire la réadmission et la mortalité liées à un infarctus du myocarde : Une revue systématique : Bo Wang, et autres contributeurs
- Stratification du risque de mortalité à long terme chez les transplantés du foie : application en temps réel d'algorithmes d'apprentissage profond sur des données longitudinales : Bo Wang, et autres contributeurs
- UN MODÈLE D'APPRENTISSAGE AUTOMATIQUE POUR LA CARACTÉRISATION DES PATIENTS ATTEINTS DE VALVULOPATHIE AORTIQUE MIXTE : Bo Wang et autres contributeurs
- Facteurs prédictifs de la mortalité chez les résidents des établissements de soins de longue durée atteints d'une infection par le SRAS-CoV-2 : Bo Wang, et autres contributeurs
- Guide de l'intelligence artificielle à l'usage des chirurgiens cardiaques : Bo Wang, et autres contributeurs
- L'apprentissage automatique comme nouvelle frontière de la stratégie chirurgicale de la valve mitrale : Bo Wang et autres contributeurs
- simATAC : un cadre de simulation ATAC-seq pour une seule cellule : Bo Wang et autres contributeurs
- Variantes germaines pathogènes dans les gènes de susceptibilité au cancer chez les enfants et les jeunes adultes atteints de rhabdomyosarcome : Anna Goldenberg et autres contributeurs
- Chère montre, dois-je faire un test COVID-19 ? Conception d'un apprentissage automatique déployable pour les "wearables" : Anna Goldenberg et d'autres contributeurs
- Vers un modèle de classification robuste par la génération de données contrefactuelles et invariantes : Anna Goldenberg et autres contributeurs
- Considérations pour la visualisation de l'incertitude dans les modèles d'apprentissage automatique clinique : Anna Goldenber et autres contributeurs
- Intégration des mesures cérébrales et comportementales pour l'identification de groupes fondés sur des données qui recoupent les enfants atteints de TSA, de TDAH ou de TOC : Anna Goldenberg et autres contributeurs
- Single-cell mapper (scMappR) : utilisation de scRNA-seq pour déduire les spécificités de type cellulaire des gènes différentiellement exprimés : Anna Goldenberg et autres contributeurs
- Chasser vos longues queues : La prédiction différentielle privée dans les environnements de soins de santé : Anna Goldenberg et autres contributeurs
- Raisonnement 3D pour la détection non supervisée d'anomalies dans l'IRMW pédiatrique : Anna Goldenberg et autres contributeurs
- Identification des facteurs prédictifs modifiables de survie à long terme chez les receveurs de greffe hépatique atteints de diabète à l'aide de l'apprentissage automatique : Anna Goldenberg et autres contributeurs
- Un repère complet de pré-formation de séries temporelles de DSE : Anna Goldenberg et autres contributeurs
- Apprentissage de représentation non supervisé pour les séries temporelles avec codage de voisinage temporel : Anna Goldenberg et autres contributeurs
- Identification des phénotypes de la tomographie par cohérence optique et leur relation avec les résultats des patients chez les jeunes atteints de syndromes démyélinisants : Résultats préliminaires d'une étude ... : Anna Goldenberg et autres contributeurs
- NODE-GAM : Modèle additif généralisé neuronal pour l'apprentissage profond interprétable : Anna Goldenberg et autres contributeurs
- Prévision de la malignité des nodules thyroïdiens pédiatriques : Première expérience d'apprentissage automatique pour l'aide à la décision clinique : Anna Goldenberg et autres contributeurs
- Rapport standardisé sur les applications d'apprentissage automatique en urologie : Le cadre STREAM-URO : Anna Goldenberg et autres contributeurs
- Dans quelle mesure les gammes sont-elles interprétables et dignes de confiance ? Anna Goldenberg et autres contributeurs
- MP44-18 ESTIMATION PRÉCISE DE LA FONCTION RÉNALE DIFFÉRENTIELLE FRACTIONNÉE EN UTILISANT UNIQUEMENT L'ÉCHOGRAPHIE POUR LES NOURRISSONS ATTEINTS D'HYDRONÉPHROSE : Anna Goldenberg et autres contributeurs
- Trouver des associations dans un environnement hétérogène : Test statistique d'enrichissement des aberrations : Anna Goldenberg et autres contributeurs