CAPFED

Collaboration Azuréenne et Québécoise pour le développement d'une Plateforme d'analyses fédérées et de structuration des images médicales

Contexte

L'IA ne peut être déployée en clinique que si l'on a accès à de grands jeux d'images médicales structurés et annotés par des experts. Or cet accès reste l'un des principaux obstacles. Les contraintes réglementaires rendent aussi difficile le partage de données entre établissements, et plus encore entre pays. Université Côte d'Azur et l'Université Laval (Québec) fêtent en 2026 dix ans de partenariat stratégique. À cette occasion, elles ont fait de l'IA appliquée à l'imagerie médicale un axe prioritaire de collaboration.

Le projet

CAPFED veut déployer au sein de l'Entrepôt de Données de Santé (EDS) azuréen du GCS CARES la plateforme PARADIM, développée à l'Université Laval. PARADIM couvre tout le cycle de la recherche en imagerie médicale :

• anonymisation conforme au RGPD ;
• contrôle qualité et annotation experte ;
• pipelines d'entraînement et d'inférence de modèles d'IA, avec traçabilité complète ;
• orchestration des calculs sur HPC.

La plateforme sera rendue interopérable avec Fed-BioMed (Inria). Cette solution d'apprentissage fédéré permet d'entraîner des modèles sans que les données quittent leur établissement.
Le projet s'organise en deux axes :

• l'interopérabilité entre PARADIM et Fed-BioMed ;
• le déploiement de PARADIM dans l'EDS du GCS CARES (CHU de Nice, Centre Antoine Lacassagne, Lenval) ;