Résultats du Concours 2024 de subventions pour l’innovation en recherche du PRDTC
Le PRDTC est ravi d’annoncer les résultats du Concours 2024 de subventions pour l’innovation en recherche, rendu possible grâce à des partenariats avec diverses organisations. Nous sommes fiers de présenter tous les projets innovants qui ont été financés dans le cadre du concours de cette année.
Nous tenons à féliciter chaleureusement le Dr. Michaël Chassé et son équipe pour avoir reçu la bourse d’innovation en recherche PRDTC UdeM. Nous leur souhaitons tout le succès possible dans la réalisation de leur projet novateur !
Le programme de transplantation de l’Université de Montréal tient à féliciter Dr. Michaël Chassé pour l’obtention de la bourse d’innovation du PRDTC lors du concours 2024 pour son projet intitulé « From routinely collected medical data to donors: Canadian dOnation Monitoring & Alert SyStem Network (COMPASS) 2.0 ». Le programme de transplantation de l’Université de Montréal est fier de contribuer aux concours de subvention du PRDTC et ainsi participer à la recherche en transplantation et en don d’organes au Canada.
Les 2 projets financés par une subvention PRDTC Université de Montréal illustrent la mission du Programme de transplantation de l’Université de Montréal qui est de soutenir l’innovation en recherche et en clinique afin d’améliorer les soins aux donneurs, familles et patients transplantés.
-Programme de transplantation de l’Université de Montréal
Bourse d’innovation en recherche PRDTC UdeM: Dr. Michaël Chassé
Titre du projet: From routinely collected medical data to donors: Canadian dOnation Monitoring & Alert SyStem Network (COMPASS) 2.0
Affiliation principale : Université de Montréal
Thème: 2 – Informer sur les pratiques universelles en matière de don
Résumé (en anglais):
Organ transplantation depends on proper organ donor identification and conversion to actual donors. Donor identification is a major challenge that relies heavily on healthcare worker training. Canadian studies have shown that we miss many potential donors, resulting in fewer transplantations, causing harm to those awaiting transplantation and depriving those who might have wished to give their organs the opportunity to do so. This project consists of a crucial stage in the COMPASS (Canadian dOnation Monitoring & Alert SyStem) Network Program, a novel initiative using artificial intelligence to improve efficiency of organ donation.
Objective: Our objectives are to investigate the performance of a machine learning model (artificial intelligence) to identify potential organ donors among adults admitted to the ICU, and to explore the barriers, enablers and strategies required to implement the model in an intensive care unit setting.
Methods: We will conduct a multi-step validation/implementation study in the intensive care unit of Centre hospitalier de l’Université de Montréal (CHUM). We will use a neural network model (artificial intelligence) to flag potential organ donors in a real-world critical care setting and explore what are the enablers and barriers to the implementation of the model in clinical care.
Expected output: This project is an essential step to demonstrate the feasibility of using artificial intelligence, to identify potential organ donors in a real clinical setting. If accurate when used in a prospective context, a future successful implementation of our model could improve identification rates, and potentially increase the total number of transplants.