Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Fostering Trust in AI driven Healthcare: SecUre and uNbiased knowleDge guided gEneRative AI

Description du projet

Un cadre pour une IA générative responsable

L’apprentissage automatique a un avenir dans le secteur des soins de santé, mais les ensembles de données limités et les réglementations en matière de protection de la vie privée freinent les progrès. L’IA générative peut produire des données synthétiques, mais les problèmes de confiance liés à l’équité et à la protection de la vie privée entravent son utilisation. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet THUNDER entend combler les lacunes en matière de modèles génératifs dignes de confiance et de méthodes d’apprentissage automatique pour les soins de santé, notamment autour des cadres d’évaluation normalisés et des questions de confiance. Son objectif principal est de développer un cadre complet pour une IA générative responsable dans les soins de santé, en mettant l’accent sur la définition de mesures d’évaluation, la création de modèles génératifs guidés par les connaissances et la conception de modèles d’apprentissage interprétables. Le projet ciblera en particulier la septicémie, une priorité sanitaire mondiale désignée par l’Organisation mondiale de la santé (OMS).

Objectif

Machine learning (ML) offers transformative opportunities for healthcare, with applications ranging from precision medicine to operational optimization. However, progress is constrained by limited access to diverse, high-quality datasets, exacerbated by fragmentation, data scarcity, and stringent privacy regulations. Traditional data augmentation methods fail to fully capture the complexity and heterogeneity of healthcare data. Generative AI, particularly large language models (LLMs), offers a promising alternative by synthesizing realistic datasets while addressing data scarcity. Yet, their adoption in healthcare is hindered by critical concerns about trustworthiness, including semantic validity, fairness, bias mitigation, fidelity, privacy preservation, and real-world utility. This research identifies key gaps in developing trustworthy generative models and ML methods for healthcare. These include the absence of standardized synthetic data evaluation frameworks, trust deficits in healthcare generative models, resource intensiveness, and design-induced opaqueness. The overall objective of the THUNDER project is to forge a comprehensive framework for trustworthy and responsible generative AI in healthcare. This will be achieved by defining (i) standardized evaluation metrics, (ii) developing advanced knowledge-guided generative models, and (iii) creating a fully frugal-by-design and interpretable-by-design learning models. These efforts, driven by interdisciplinary and intersectoral mobility and knowledge exchange, will establish a new paradigm for AI-driven healthcare. We will target Sepsis as a global health priority identified by the World Health Organization (WHO).

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
La classification de ce projet a été validée par des humains.

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff Exchanges

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2024-SE-01

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITE DE VERSAILLES SAINT-QUENTIN EN YVELINES
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 115 230,00
Adresse
AVENUE DE PARIS 55
78035 VERSAILLES
France

Voir sur la carte

Région
Ile-de-France Ile-de-France Yvelines
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

Aucune donnée

Participants (9)

Partenaires (5)

Mon livret 0 0