Chaque jour, les cliniciens sont inondés de milliards d’images obtenues par radiographie, échographie, résonance magnétique ou tomographie. Voilà, aux yeux du professeur Ismail Ben Ayed, de l’École de technologie supérieure (ÉTS), un potentiel médical inexploité.
Ismail Ben Ayed est professeur
en génie de la production automatisée.
On comprend pourquoi : analyser et interpréter toutes ces données est un travail de moine ! Un exemple : « Pour calculer la fraction d’éjection du coeur [NDLR: mesure de l’efficacité de pompage du coeur], un radiologue doit regarder environ 400 images en deux dimensions, dessiner sur chacune les contours du ventricule gauche pour faire des approximations des différences de volume et imaginer le tout en trois dimensions. Ça prend du temps », déplore l’ingénieur. Beaucoup, beaucoup de temps.
La solution? Recourir à l’intelligence artificielle. « Entre 2012 et 2015, la vision artificielle a connu des percées fulgurantes, rappelle M. Ben Ayed. Pensez seulement au programme de reconnaissance faciale de Facebook. Aujourd’hui, on tente de faire la même chose dans le domaine médical. Cependant, c’est beaucoup plus complexe d’apprendre à une machine à identifier une tumeur que de reconnaître un chat ou une table. »
À l’aide d’algorithmes élaborés, il tente d’instiller une partie du savoir médical dans des programmes informatiques qui faciliteront le boulot des chirurgiens et des radiologues. Alors qu’il travaillait chez GE Healthcare, une entreprise qui fournit des technologies et des services médicaux, il a mis au point un logiciel capable justement d’évaluer la fraction d’éjection du coeur. Il a aussi développé un algorithme qui annote automatiquement les os de la colonne vertébrale. Ces deux programmes sont déjà utilisés en milieu hospitalier.
« Nous avons résolu des problèmes assez faciles en comparaison de ce qui nous attend à l’avenir », prévoit le chercheur, récemment nommé titulaire de la Chaire de recherche ÉTS sur l’intelligence artificielle en imagerie médicale.
Ismail Ben Ayed rêve de créer des algorithmes qui pourront détecter ce qui est invisible à l’oeil nu, et ainsi prédire des maladies. Il donne en exemple les individus aux prises avec des maux de dos. « On estime qu’environ 5 % des patients qui passent une imagerie par résonance magnétique pour ce type de douleur présentent des risques d’anévrisme de l’aorte abdominale, indique-t-il. Si ça survient, c’est la mort immédiate. Imaginez un programme qui repérerait automatiquement un diamètre anormal de l’aorte, signe qu’une rupture risque de se produire. On pourrait sauver des vies. On pourrait aussi corréler des images tirées de milliers de chirurgies, ce qui nous permettrait de prévenir des problèmes postopératoires chez des patients. »
Encart produit par Québec-Science
Édition avril-mai 2016