---

Lead investigator

Collaborators & Co-Investigators

• Michael Brudno, Ph. D. (Co-PI)
• Hanns Lochmüller, M.D., Ph. D.
• Issa Alawneh, M.D.
• Jordi Diaz Manera, M.D., Ph.D.

Research Sites & Affiliations

• Hospital for Sick Children, Toronto, Ontario
• Children’s Hospital of Eastern Ontario (CHEO) Research Institute/ Université d’Ottawa, Ottawa, Ontario
• Université de Newcastle (R.-U.), ,
• Université de Toronto/University Health Network, Toronto, Ontario

Budget: 100,000 $

Disorders: Toutes les maladies neuromusculaires (transversal)

Research Areas: Compréhension du diagnostic et de l’évolution des maladies

Abstract: 

Les maladies neuromusculaires (MNM) peuvent être difficiles à diagnostiquer, même pour les cliniciens les plus expérimentés. Plusieurs approches peuvent être nécessaires pour parvenir à un diagnostic définitif et précis. L’IRM musculaire est un outil de diagnostic de plus en plus utilisé mais elle nécessite un degré élevé d’expertise, ce qui limite son utilisation à des centres hautement spécialisés. Nous proposons d’utiliser l’intelligence artificielle (IA) et l’apprentissage automatique (AA) pour créer une application mobile conviviale. Cette application sera capable de segmenter les images, de les classer et de reconnaître les formes. Elle aidera à comprendre les différences entre les diagnostics probables et les résultats génétiques. Nous travaillerons avec des bases de données d’IRM et des experts en IA et en AA de l’université de Toronto. Nos travaux antérieurs ont établi l’utilisation de l’IA à partir de la notation manuelle. Ils ont permis de diagnostiquer dix maladies à l’aide de l’IRM. Notre objectif est d’étendre notre base de données actuelle à sept autres MNM chez l’enfant. Si nos travaux sont concluants, ils permettront de simplifier l’utilisation de l’IRM musculaire comme outil de diagnostic.

Impact: