La maintenance des équipements de radiologie joue un rôle central dans la sécurité des patients et du personnel soignant exposés aux rayonnements ionisants. Aujourd’hui, cette maintenance repose essentiellement sur des contrôles périodiques, parfois espacés ou peu sensibles aux défaillances naissantes. Cette approche, bien que réglementaire, présente des limites en termes de précision, de réactivité et d’optimisation des coûts.
Le projet Q-RadTIM, porté par la HELHa, vise à révolutionner ce paradigme en développant des solutions technologiques innovantes, fondées sur l’intelligence artificielle (IA) et l’utilisation de fantômes multidensitométriques, c’est-à-dire des objets tests reproduisant la diversité des tissus humains en termes de densité et d’absorption radiologique.
Objectifs du projet
Le projet s’articule autour de trois axes complémentaires :
- Développer un système de maintenance prédictive piloté par l’intelligence artificielle, capable d’anticiper les défaillances avant qu’elles ne compromettent la qualité des images ou la sécurité des utilisateurs. Ce système sera accompagné d’une interface intuitive pour le suivi et l’analyse des données issues des équipements.
Figure : Architecture de la solution informatique du projet Q-RadTIM
Figure : Vue complète de l’architecture informatique du projet Q-RadTIM
- Concevoir de nouveaux outils de contrôle de qualité, basés sur des fantômes multidensitométriques. Ces objets tests permettront une évaluation plus fine, plus réaliste et plus répétable des performances des dispositifs d’imagerie médicale.
Figure Exemple de fantôme sur une plaque d’un matériau défini comportant de multiples densités
- Élaborer des protocoles de maintenance standardisés, adaptables à différents types d’équipements (radiologie conventionnelle, scanner, etc.), intégrant les données issues des nouveaux outils et du système d’IA.
Enjeux et retombées attendues
Les résultats escomptés de Q-RadTIM sont multiples :
- Renforcement de la sécurité pour les patients et les professionnels, grâce à une détection plus précoce des dérives des équipements et à une meilleure maîtrise des doses de rayonnement.
- Amélioration de la disponibilité des dispositifs médicaux par la réduction des arrêts imprévus.
- Allongement de la durée de vie des équipements par une gestion proactive et ciblée des interventions.
- Rationalisation des coûts, avec un système de maintenance à la fois efficace, rapide à mettre en œuvre, simple d’utilisation et économiquement viable pour les établissements de soins.
En intégrant l’IA dans les processus de maintenance, Q-RadTIM introduit une approche dite prédictive, qui repose sur l’analyse continue des données d’usage et des paramètres de fonctionnement. Cette approche vise à identifier les signes faibles de dysfonctionnement et à planifier des interventions ciblées avant l’apparition de dégradations critiques.
Q-RadTIM s’inscrit dans une dynamique d’innovation appliquée, en combinant les avancées de l’intelligence artificielle, les outils de simulation radiologique et les exigences normatives liées à la qualité en imagerie médicale. Il mobilise une équipe interdisciplinaire d’experts en technologie d’imagerie médicale et en informatique
Du coté santé, nous avons dans l’équipe : Jean-Louis Greffe et Nabila Brahmi