Les techniques d’acquisition d’images sont aujourd’hui très développées. La résonance magnétique, la tomographique, la radiographie ou l’échographie ont connu des avancées spectaculaires et fournissent chaque jour des milliards d’images. Pour Ismail Ben Ayed, il y a là un formidable potentiel médical encore trop peu exploité.
Ismail Ben Ayed est professeur au Département de génie de la production automatisée. Il est spécialisé dans la conception d’algorithmes servant au traitement, à l’analyse et à l’interprétation des images médicales, notamment d’algorithmes d’apprentissage automatique et d’optimisation, qui permettent de résoudre les problèmes de données massives en imagerie 3D ou 4D.
Les limites de l’interprétation
Le recours à l’imagerie est depuis longtemps d’une grande importance en médecine. Les images permettent d’établir un diagnostic, de définir une approche thérapeutique, de suivre l’évolution d’une maladie. L’imagerie médicale se bute toutefois aux limites de l’interprétation humaine. La quantité est le premier obstacle : personne ne peut analyser des millions d’images. La qualité aussi pose problème : comme les images médicales sont souvent bruitées, ou ont des contours mal définis, l’œil humain peine à en faire une lecture précise, et le risque d’erreur demeure élevé.
L’intelligence artificielle
La solution ? L’intelligence artificielle.
Au cours des dernières années, la vision artificielle a fait de spectaculaires bonds en avant, notamment grâce aux percées récentes en optimisation et à l’explosion de la puissance de calcul des ordinateurs. Ce qui a été réalisé pour la reconnaissance faciale, par exemple, la communauté de chercheurs essaie de le reproduire dans le domaine médical. L’intelligence artificielle, aussi appelée IA, permet de traiter en quelques secondes des milliers d’images et de déceler avec une très grande précision des informations importantes qu’un radiologue aurait mis des mois à trouver.
La puissance des algorithmes
Pour arriver à de tels résultats, il faut savoir développer des algorithmes d’une grande complexité, certes, mais il faut aussi une connaissance fine de la chose médicale. Ismail Ben Ayed, l’un des chefs de file mondiaux dans ce domaine en pleine expansion, travaille en étroite collaboration avec des radiologues, des chirurgiens et d’autres professionnels de la santé. Ceux-ci lui soumettent des cas et, avec son équipe, le chercheur développe des modèles mathématiques qui permettent de traiter, d’analyser et d’interpréter avec exactitude des millions d’images.
Le professeur Ben Ayed s’intéresse également au développement de puissantes méthodes d’optimisation qui permettent d’aborder les problèmes de traitement de données massives en imagerie 3D ou 4D, un autre domaine en pleine effervescence, autant à l’université que dans l’industrie.
Les défis des prochaines années
Dans les années à venir, les spécialistes de l’intelligence artificielle appliquée à l’imagerie médicale devront relever d’importants défis. Pour le chercheur de l’ÉTS, il y en a trois principaux :
- Compiler des mesures de diagnostic de façon précise et automatique ou semi-automatique à partir d’images médicales.
- Prédire des événements : des programmes informatiques capables de fouiller dans des millions d’images pourraient permettre de trouver celles qui révèlent un risque.
- Prédire des résultats de traitement, au cours d’une intervention chirurgicale par exemple, ou suivre une maladie, disons un cancer, en mesurant la progression d’une tumeur. L’IA décuple les capacités d’analyse et affine considérablement les résultats, elle met au jour des microdétails qui échappent à l’attention humaine.
L’intelligence artificielle redéfinit les paradigmes de l’imagerie médicale et en repousse les horizons. Des chercheurs comme Ismail Ben Ayed sont les têtes pensantes de cette transformation.
Voir aussi :
Laboratoire d’imagerie, de vision et d’intelligence artificielle (LIVIA)