L’intelligence artificielle appliquée, telle que les applications de reconnaissance des visages que l’on trouve dans nos cellulaires, ouvre la porte à un repérage simplifié et automatisé des tumeurs et autres maux ignorés des consultations médicales. Le spécialiste de la vision par ordinateur soutient que les milliards d’images médicales qui circulent entre les cabinets de médecins constituent une source précieuse pour la prévention des maladies.

Depuis une vingtaine d’années, ce type de données augmente de manière exponentielle, alors que les médecins ne sont pas toujours formés pour regarder au-delà de leur champ d’expertise. Sans compter qu’il s’agit souvent d’évaluations subjectives. « L’humain se trompe plus souvent que l’ordinateur. La fouille de données facilite la détection de ce que l’on cherche et de ce qu’on ne cherche pas », soutient encore le Pr Ben Ayed.

Le chercheur a d’ailleurs élaboré un logiciel d’annotation automatique des os de la colonne vertébrale et un autre capable d’évaluer l’efficacité de pompage (fraction d’éjection) du cœur. Ces deux innovations facilitent le travail des professionnels de la santé en automatisant ce qui devait être fait manuellement – avec le risque d’erreur que cela entraine.

Fouille médicale

Plus familiarisé avec certains problèmes médicaux, le Pr Ben Ayed convient qu’il s’agit toujours d’un défi difficile. Repérer des anomalies spécifiques d’organes en 3D à partir d’image en 2D – prises par imagerie médicale (IRM) – s’avère une opération délicate, particulièrement lorsqu’on touche à des structures complexes comme le cerveau.

La lecture de milliers d’images ou données massives (Big data) repose aussi sur des corrélations entre le consensus des médecins – et donc, les connaissances acquises – sur les maladies et la capacité d’apprentissage de la machine. « Il ne s’agit pas simplement de transcrire en équations mathématiques l’image, mais aussi de l’interpréter objectivement », note le chercheur. Et là, l’homme reste – et restera toujours – indispensable.