Les machines au service de la médecine
![Using thousands of images from brain scans such as MRI, computers can learn to detect signs of neurological disease, opening up new possibilities in research and diagnosis. Using thousands of images from brain scans such as MRI, computers can learn to detect signs of neurological disease, opening up new possibilities in research and diagnosis.](https://www.mcgill.ca/neuro/files/neuro/styles/fullwidth_breakpoints_theme_moriarty_small_1x/public/channels/image/mri.jpg?itok=N3S7ATNN×tamp=1490025499)
Comment l’apprentissage profond transforme la recherche en neurosciences
Dans une étude ayant fait l’objet d’un article publié le 15 février 2017 dans la revue Nature, une équipe de scientifiques composée notamment de chercheurs principaux du Centre d’imagerie cérébrale McConnell de l’Institut neurologique de Montréal a eu recours à l’imagerie par résonance magnétique pour prédire le développement de l’autisme chez des bébés.
Or, ce n’est pas un médecin qui a produit ces prédictions, mais des algorithmes entraînés à reconnaître de manière précoce le cerveau d’enfants susceptibles de développer plus tard, des troubles autistes. Il s’agit de l’une des applications de l’« apprentissage profond », une forme d’intelligence artificielle des machines très utilisée aujourd’hui en recherche, à des fins de diagnostic médical et en neurosciences.
Né dans les années 1960 du concept de réseaux de neurones artificiels et inspiré des travaux pionniers réalisés par Donald Hebb, alors professeur de psychologie à McGill, l’apprentissage profond a connu un regain de popularité au cours des dernières années grâce à la disponibilité accrue de puissantes ressources informatiques et à l’accès à de quantités astronomiques de données numériques.
L’apprentissage profond est une technique d’intelligence artificielle qui consiste à « apprendre » aux ordinateurs comment effectuer eux-mêmes des calculs complexes après avoir analysé suffisamment de données pour « reconnaître » ou détecter des motifs d’intérêt. Pour y parvenir, des algorithmes relativement simples s’inspirent de mécanismes cérébraux fondamentaux intervenant dans le traitement de l’information.
Si vous avez un profil Facebook, vous avez probablement fait l’expérience concrète de l’intelligence artificielle. En effet, Facebook peut détecter l’endroit où se trouve un visage sur une image et vous demander si vous souhaitez identifier cette personne. Comment? Grâce au programme DeepFace, une application de l’apprentissage profond conçue par Facebook, qui a entraîné ses algorithmes à reconnaître des visages à l’aide de quatre millions de photographies identifiées manuellement et téléchargées par des utilisateurs.
Les techniques inspirées de l’apprentissage profond ont de nombreuses applications en recherche biomédicale. Les scientifiques et industriels souhaitent notamment concevoir des techniques assistées par ordinateur qui permettraient d’améliorer le diagnostic et la prévention des maladies grâce à l’analyse de différents types de données, afin de déceler les problèmes avant que les symptômes n’apparaissent. L’apprentissage profond est particulièrement utile en neurosciences, où les types de données sont extrêmement variés. L’intelligence artificielle est un outil prometteur pour aider les neuroscientifiques dans leurs recherches fondamentales et appliquées à partir de la vaste quantité de données dont ils disposent.
L’article publié dans la revue Nature n’est qu’un exemple du rôle de plus en plus important que l’apprentissage profond et d’autres techniques d’intelligence artificielle sont appelés à jouer en médecine, en recherche biomédicale, et dans d’autres domaines concernant nos activités quotidiennes.
Plusieurs laboratoires de recherche de l’Institut neurologique de Montréal ont déjà recours à l’apprentissage en profond et aux techniques d’intelligence artificielle. Les chercheurs, personnels et étudiants spécialistes en imagerie cérébrale du Centre d’imagerie cérébrale McConnell ont été récemment formés à l’utilisation de ces méthodes novatrices. Ainsi, en janvier 2017, le Centre a organisé deux ateliers de formation sur l’apprentissage en profond appliqué aux neurosciences auxquels ont pris part 80 étudiants et scientifiques.
« Les techniques d’intelligence artificielle sont en voie de transformer la façon dont les scientifiques travaillent. Nous voulons que nos chercheurs et nos étudiants soient conscients de cette révolution et soient bien préparés à être acteurs de ce changement », affirme Sylvain Baillet, professeur à McGill et directeur du Centre d’imagerie cérébrale. « Nous sommes privilégiés, car Montréal est devenue un centre névralgique international de la recherche sur l’intelligence artificielle et un véritable carrefour pour cette industrie. Pour demeurer à l’avant-plan dans notre domaine, il nous faut intégrer les techniques d’intelligence artificielle, comme l’apprentissage profond, tout en bâtissant et en utilisant de vastes bases de données pour les neurosciences. Nous devons également investir dans les ressources humaines et techniques afin d’exploiter toutes les caractéristiques uniques de ces puissants outils. »