Notre projet est de développer une solution avancée de génération de données synthétiques adaptée aux données de santé. Cette solution permet de générer des données synthétiques reproduisant les caractéristiques des données réelles et en quantité illimité. Ces nouvelles données sont générées à partir d’algorithmes d’intelligence artificielle avancés, elles ressemblent donc aux données réelles mais ne contiennent plus d’informations sensibles relatives aux patients. Elles sont donc anonymisées au cours du processus.

Ces données synthétiques pourront servir de substitut ou de complément aux données réelles pour permettre l’amélioration de modèles d’intelligence artificielles, la validation d’algorithmes de traitement des données de santé, la simulation d’essais cliniques virtuels et la protection de la vie privée des patients.

Afin de rassurer les clients quant à leur utilisation, nous délivrons un rapport de qualité caractérisant les données synthétiques suivant plusieurs métriques d’évaluation. Ce rapport a pour but de prouver la fiabilité et la représentativité des données synthétiques générées.

Notre projet présente plusieurs objectifs pour améliorer l’usage des données de santé :

– Amélioration de la protection de la vie privée des patients : L’utilisation et le partage des données de santé est très encadré (RGPD) afin de garantir une protection de la confidentialité des individus concernés. Générer des données synthétiques permet d’utiliser des données qui ne contiennent aucune information sensible sur les patients, tout en conservant la structure et les caractéristiques des données réelles.

– Amélioration des performances de modèles d’intelligence artificielles existants : De nombreuses solutions d’intelligence artificielles voient leur développement freiné ou sont impossibles à réalisées à cause d’une quantité de données disponibles trop faibles. L’utilisation des données synthétiques permet de résoudre ce problème en générant des données en quantité illimitée. Dans ce cas, les données synthétiques peuvent servir à augmenter considérablement la taille des jeux de données.

– Simulation d’essais cliniques virtuels : Les jumeaux numériques issues de la génération de données synthétiques peuvent être utilisés pour simuler des essais cliniques afin de réduire les risques, les coûts et les délais associés à la recherche clinique. Des nouveaux traitements ou des protocoles d’essais cliniques peuvent alors utiliser des données synthétiques avant de passer à des essais réels.

– Faciliter le partage de données pour la recherche en santé : En fournissant des données synthétiques de haute qualité, la collaboration entre les chercheurs et les institutions médicales est favorisée. Les données synthétiques peuvent être partagées plus facilement que les données réelles, ce qui encourage la recherche dans le domaine de la santé.

En résumé, ce projet permet de répondre à de nombreuses problématiques liées à la donnée de santé, de la protection de la vie privée jusqu’à l’amélioration des solutions d’intelligence artificielle, en passant par le partage et l’accès facilité à la donnée de santé. Il contribue à faire progresser la recherche et le développement de solutions innovantes en santé.

Alia santé s’est concentré sur le développement de ce projet depuis Mars 2023 et propose cette technologie à travers une plateforme SAAS sur laquelle l’utilisateur a la possibilité d’importer son jeu de données réelles et de spécifier le nombre de données synthétiques souhaité. Nos différents algorithmes d’intelligence artificielle de génération de données synthétiques vont s’entrainer à partir de ce jeu de données réelles et proposer un jeu de données synthétiques représentatif de ce dernier en conservant ses caractéristiques.

L’utilisateur peut alors télécharger son jeu de données synthétiques ainsi qu’un rapport de qualité détaillé prouvant la fiabilité et la qualité de ces données, le rassurant quant à leur utilisation.