Le projet présente un outil pour la capture rétrospective de cas dans des bases de données cliniques, améliorant l'efficacité avec des normes telles que HL7 FHIR, SNOMED et DICOM. Il surmonte les limitations des méthodes actuelles, permettant une recherche plus précise et efficace de cas pour l'entraînement des systèmes CAD à partir de dossiers médicaux.

Le projet vise à créer un outil d'annotation polyvalent pour les systèmes CAD basé sur des protocoles définis. Il évite de mettre en œuvre de nouveaux outils spécifiques, économisant ainsi des coûts et réduisant les risques. Il simplifie l'annotation pour les spécialistes, s'adaptant efficacement à divers cas cliniques sans la complexité associée aux solutions spécifiques pour chaque pathologie.

Le projet vise à innover grâce à une interface pour enregistrer l'entraînement et la validation de modèles prédictifs, en assurant la qualité et la traçabilité des produits résultants. Cela garantit la documentation exhaustive des hypothèses expérimentales vérifiées pendant le développement, bien que ces tâches soient spécifiques et dépendent de la modalité de l'image et de la tâche d'inférence.

Le projet vise à faciliter l'intégration et le déploiement de modèles CAD dans des environnements médicaux, en accélérant l'interopérabilité. Les goulots d'étranglement tels que les échecs de déploiement, les biais dans les données et les coûts élevés seront étudiés. Des outils généralisés seront développés pour une mise en œuvre correcte dans les systèmes d'information des organisations de santé, réduisant les délais et améliorant l'efficacité.