En 2023, Lacuna Fund a lancé un nouvel appel à propositions dans notre domaine Santé : Santé et droits sexuels, reproductifs et maternels. Cet appel a été rendu possible grâce Centre de recherches pour le développement international (CRDI) du Canada.
Voici les lauréats qui ont reçu un financement pour poursuivre des projets dans ce domaine. Ces équipes travailleront à améliorer les résultats en matière de santé et de droits sexuels, reproductifs et maternels (SRMHR) en Afrique et créeront des ensembles de données qui amélioreront les soins post-sortie pour les mères et les bébés, mieux étiqueter les données existantes sur les tests Pap et collecter de nouvelles données pour mieux détecter. cancer du col de l'utérus, identifier et classer les mères selon un risque faible à élevé de complications à l'accouchement pendant les soins prénatals, et bien plus encore. En Afrique, la santé et les droits sexuels, reproductifs et maternels de nombreuses personnes sont loin d’être réalisés. Nous sommes ravis que ces bénéficiaires du Lacuna Fund développent des ensembles de données de formation et d'évaluation ouverts et accessibles pour les applications d'apprentissage automatique sur la SRMHR en Afrique !
Décharges intelligentes pour maman et bébé : Renforcer les capacités pour une amélioration de la qualité basée sur les données dans les soins maternels et néonatals
Contact : Michael Kawooya ([email protected])
En 2020, 287,000 30 mères sont décédées des suites de complications liées à la grossesse ou à l’accouchement ; un tiers de ces décès (XNUMX %) sont survenus au cours des six premières semaines suivant la naissance (Organisation mondiale de la santé, 2023). Les approches de santé publique de précision exploitent la prédiction des risques pour identifier les patients les plus vulnérables et éclairer les décisions concernant l'utilisation de ressources rares, notamment la fréquence, l'intensité et le type de visites de suivi pour les soins postnatals.
Cependant, ces approches peuvent ne pas prédire avec exactitude ou précision le risque pour des sous-groupes spécifiques de femmes qui sont statistiquement sous-représentées dans la population totale, comme les femmes qui accouchent d’un enfant mort-né. Avec ce projet, l'équipe vise à générer un ensemble de données synthétiques de variables sociodémographiques et cliniques et de résultats de santé pour les dyades mère-nouveau-né en Ouganda, en utilisant les données existantes collectées lors d'études observationnelles antérieures.. Ils utiliseront cet ensemble de données pour améliorer leur modèle de prédiction des risques afin d'identifier les femmes présentant un risque élevé de décès ou de réadmission dans les six semaines suivant un accouchement à l'hôpital. prédire plus précisément le risque pour les mères qui connaissent des mortinaissances. Ils travailleront avec des partenaires de recherche au Canada pour former et encadrer des scientifiques des données ougandais dans le développement de modèles et la gestion de données et renforcer les capacités locales dans ce domaine. L'équipe utilisera ses résultats pour éclairer l'élaboration d'une approche de santé publique précise pour améliorer les soins post-sortie qui incluent toutes les mères et tous les nouveau-nés en partenariat avec le ministère ougandais de la Santé et d’autres acteurs clés de la santé maternelle.
« Ce projet s'appuie sur nos travaux antérieurs visant à améliorer les soins post-sortie pour les enfants. Ce prix du Lacuna Fund nous aidera à surmonter certains des défis les plus urgents auxquels nous sommes confrontés pour fournir des soins de santé de haute qualité à la population ougandaise. Premièrement, cela nous aidera à élaborer des solutions basées sur les données pour améliorer la transition de l’hôpital au domicile des mères et de leurs nouveau-nés, ce qui est essentiel pour améliorer leur survie. Deuxièmement, cela contribuera à renforcer les capacités de science des données axées sur la santé ici en Ouganda, qui soutiendront ce travail et de nombreuses autres initiatives qui aident les personnes vulnérables. — Dr Nathan Kenya-Mugisha, directeur médical exécutif, WALIMU
Ensemble de données pour la stratification des risques pour la santé maternelle en Tanzanie pour un apprentissage automatique prédictif et responsable
Contact : Rukia Mwifunyi ([email protected])
Twitter @mailab_io ainsi que @ECUREI Ug
Ce projet vise à améliorer l'identification précoce des femmes enceintes présentant un risque de complications à l'accouchement, un aspect essentiel des soins prénatals pour réduire les issues indésirables à l'accouchement. Cette amélioration sera réalisée grâce au mise en œuvre de la stratification des risques pour la santé maternelle (MHRS), qui consiste à classer les femmes enceintes en différents niveaux de risque (par exemple, élevé, moyen et faible) sur la base d'une analyse complète des données objectives et subjectives dérivées des allégations et des résultats des tests de laboratoire. L'objectif est de permettre aux hôpitaux de référence d'allouer les ressources plus efficacement en se concentrant sur les grossesses à haut risque tandis que les grossesses à faible risque sont gérées dans les centres de santé communautaires. Donc, l'objectif principal est de créer un ensemble de données ouvert et inclusif pour le MHRS pour des applications d'apprentissage automatique équitables et responsables qui peuvent prédire d'éventuelles issues défavorables à l'accouchement en début de grossesse. Cet ensemble de données sera compilé à partir de femmes enceintes fréquentant des centres de santé maternelle dans des districts mal desservis de diverses régions de Tanzanie, où les données individualisées sur la santé maternelle sont actuellement rares ou non accessibles au public.
« En partenariat avec l'hôpital national de Muhimbili (MNH), le ministère de la Santé (MoH) et le ministère de la Présidence, de l'Administration régionale et du Gouvernement local (MoPO-RALG), l'Université de Dodoma (UDOM) établira un programme inclusif et accessible. ensemble de données pour la stratification des risques pour la santé maternelle (MHRS). Cette initiative vise à faciliter les applications d’apprentissage automatique responsables, capables de prédire d’éventuelles issues défavorables à l’accouchement en début de grossesse. Pour garantir la représentation et l'inclusion des communautés marginalisées, notre équipe de projet collectera et catégorisera efficacement les données des femmes enceintes fréquentant les centres de maternité pendant au moins neuf mois. Nous nous concentrerons sur cinq districts mal desservis situés dans diverses régions de différentes zones de Tanzanie. Nous sommes convaincus que ce projet apportera une contribution significative à l'amélioration des résultats en matière de santé maternelle en Tanzanie. Nous sommes ravis de nous lancer dans ce projet et exprimons notre profonde gratitude à Lacuna Fund pour nous avoir offert cette opportunité exceptionnelle. — Rukia Mwifunyi, chercheuse principale, UDOM
L'ensemble de données d'imagerie mammaire africaine pour des soins équitables contre le cancer (les données ABreast)
Contact : Michael Kawooya ([email protected])
Cette étude introduira une approche communautaire et basée sur les données en matière de soins du sein pour réduire les disparités dans la détection précoce du cancer du sein chez les femmes noires africaines, qui présentent les taux de décès prématurés par cancer du sein les plus élevés au monde. L’équipe prévoit de constituer un ensemble de données annotées d’imagerie mammaire de haute qualité provenant d’échographies au point d’intervention (POC-US) de 100 femmes ougandaises et nigérianes collectées à intervalles réguliers dans la communauté. L'ensemble de données sera comparé aux mammographies collectées dans les centres d'imagerie diagnostique, aux données pathologiques de biopsie et aux profils cliniques complets. Cet ensemble de données fournira les premières données d'imagerie mammaire de formation et d'évaluation ouvertes et accessibles pour les applications d'apprentissage automatique (ML) chez les femmes africaines noires et les premières données POC-US accessibles au public dans le monde. Plus important encore, étant donné que les technologies d'imagerie à faible coût telles que le POC-US et maintenant l'imagerie par résonance magnétique (IRM), y compris le récent POC-MRI construit en Ouganda, se montrent prometteuses sur le plan clinique, cet ensemble de données permettra d'établir un cadre pour le ML- programmes de dépistage communautaires guidés visant à démocratiser les services d’imagerie afin d’accroître l’accès à des soins diagnostiques de grande valeur pour les populations vulnérables
Ils y parviendront en organisant un ensemble de données d'imagerie inclusif associé à des étiquettes de vérité terrain et utiliseront cet ensemble de données pour développer une méthode de ML pour la segmentation d'images/l'identification de pathologies pour un diagnostic rapide. L'expertise de l'équipe en radiologie communautaire, y compris la formation des agents de santé pour fournir des services radiologiques de base et de première ligne dans les milieux ruraux et aux ressources limitées, sera mise à profit pour établir le cadre de collecte de données au niveau communautaire. Le flux de travail de collecte de données étape par étape comprendra les fonctionnalités clés suivantes : auto-examen des seins à domicile ; sensibilisation au sein et formation à la recherche participative communautaire ; inscription des participants à l'étude ; imagerie et collecte de données cliniques. Ensemble, l'équipe, en collaboration avec la communauté, fournira un Ensemble de données ML étiquetées de grande valeur pour POC-US qui pourrait faciliter le traitement du cancer du sein, retarder son apparition ou travailler à l'élaboration de stratégies de prévention pour toutes les patientes atteintes d'un cancer du sein.
« L'Institut de recherche et d'enseignement sur les ultrasons Ernest Cook (ECUREI), en partenariat avec le Laboratoire d'intelligence artificielle médicale (MAI Lab) de Crestview Radiology Inc, établira un ensemble de données représentatif pour le développement d'outils d'imagerie visant à améliorer considérablement le dépistage du cancer du sein en Afrique subsaharienne. . Ce projet offre une opportunité unique d'application de techniques d'apprentissage automatique pour développer des solutions d'imagerie robustes au point d'intervention qui apporteront une imagerie diagnostique avancée à la communauté et aux groupes à risque les plus vulnérables – qui sont souvent incapables d'accéder à de telles solutions. se soucier. Cet effort commun s'appuie sur les projets antérieurs financés par Lacuna de l'équipe dans le domaine de la santé et de l'équité et tirera parti des protocoles et des méthodes de conservation et d'annotation des données d'imagerie médicale pour garantir le succès de ce projet. Nous sommes reconnaissants du soutien continu du Lacuna Fund pour faire progresser la science des données en Afrique. — Prof. Michael Kawooya – Chef de projet, Ernest Cook Ultrasound Research and Education Institute (ECUREI)
Ensemble de données de microscopie Pap pour le dépistage du cancer du col de l'utérus
Contact : Rose Nakasi ([email protected])
Le cancer du col de l’utérus représente un fardeau en matière de santé reproductive chez les femmes, posant un défi de santé publique important dans les pays à revenu faible ou intermédiaire. Pour réduire le nombre de cas et le taux de mortalité associés au cancer du col de l’utérus, un dépistage et un diagnostic fiables et précoces de la maladie sont essentiels. Le test Pap utilisant la microscopie pour le dépistage du cancer du col de l'utérus est un élément central des recommandations actuelles de l'OMS. En Ouganda et en Afrique subsaharienne, l'utilisation de la microscopie du test Pap est remise en question par le manque d'expertise pour interpréter les images, ce qui affecte l'efficience, l'efficacité et la précision du dépistage du cancer du col de l'utérus. L'équipe du projet vise à conserver un ensemble de données numériques à partir de diapositives d'images de frottis existantes en utilisant leur appareil de collecte de données déjà développé, composé d'un smartphone mobile fixé à l'oculaire d'un microscope. Cet ensemble de données localisées et étiquetées sera utilisé pour le dépistage automatique du cancer du col de l'utérus en Ouganda. En collaboration avec des microscopistes, des pathologistes et des experts en cytologie du cancer de l'hôpital de référence de Mulago, cette étude fournira un ensemble de données d'images de frottis Pap étiquetées de 1,000 XNUMX images. Les ensembles de données seront annotés dans des formats adaptés à un large éventail de cas d'utilisation de l'apprentissage automatique, notamment les tâches de détection, de classification et de segmentation d'objets. Ils s’attendent à ce que l’ensemble de données d’images soit utilisé pour une détection efficace du cancer du col de l’utérus et pour améliorer la santé reproductive des femmes d’Afrique subsaharienne.
"Avec le soutien du fonds Lacuna, un ensemble de données de microscopie de frottis localisées et étiquetées sera organisé pour le dépistage automatique du cancer du col de l'utérus dans le monde réel afin d'améliorer la santé reproductive des femmes en Ouganda." — Dre Rose Nakasi, chercheuse principale