Analyser les images médicales au moyen de l’intelligence artificielle
Achetée sur Istock.com. Droit d’auteur.
L’IA donnera bientôt un coup de main au médecin pour reconnaître automatiquement des structures anatomiques, identifier des anomalies et l’aider dans la prise de décision en lui suggérant des hypothèses. C’est grâce à l’analyse de milliers d’images médicales de personnes présentant des symptômes semblables que l’intelligence artificielle pourra recouper les informations et tirer des conclusions.
L’ordinateur réussit cette prouesse en décryptant les images et en faisant des liens entre les données visuelles et les diagnostics posés. Mais l’intelligence humaine sera toujours nécessaire pour établir le diagnostic final.
Un spécialiste en apprentissage profond
José Dolz, professeur au Département de génie logiciel et des technologies de l’information de l’ÉTS
C’est à la réalisation de ce futur que José Dolz se consacre. Spécialisé en intelligence artificielle et en apprentissage profond (deep learning) appliqués à la reconnaissance visuelle, il met au point des solutions qui rendront l’ordinateur capable d’analyser de gros volumes de données, de les comparer et de faire des liens. « Aujourd’hui, les enjeux de la médecine consistent à obtenir des résultats rapides, précis, interprétables et fiables », explique José Dolz. Le chercheur se consacre particulièrement à l’apprentissage machine sous faible supervision. L’ordinateur est programmé pour apprendre de lui-même, en ne nécessitant qu’une intervention humaine minimale.
L’ingénieur espagnol est titulaire d’une maîtrise en génie des télécommunications, obtenue dans son pays d’origine, et d’un doctorat en mathématiques appliquées de l’Université de Lille II-Droit et Santé. Il a obtenu une bourse Marie-Curie pour ses études de doctorat, qu’il a consacrées à concevoir des méthodes de segmentation automatique des organes à risque, notamment le cerveau. José Dolz est entré à l’ÉTS en 2016 à l’occasion d’un stage postdoctoral. Sa recherche portait sur l’apprentissage profond et l’optimisation des méthodes d’analyse en imagerie médicale.
Des enjeux de mégadonnées et de confidentialité
Le chercheur est confronté à plusieurs enjeux. Malgré la performance exceptionnelle des méthodes qu’il développe, ces dernières présentent un inconvénient important : leur extrême besoin de nombreuses données étiquetées, rarement accessibles dans la pratique. En plus, dans le domaine médical, étiqueter manuellement les données est long et coûteux. Par ailleurs, un autre défi de taille se dresse devant les chercheurs : la confidentialité des données médicales, un principe qui fait grandement hésiter les hôpitaux à partager les informations de leurs patients avec une machine et des chercheurs.
Un pont entre l’ingénierie et la médecine
L’ingénieur a toujours été passionné à l’idée « d’aider les autres à améliorer leur vie. Quand j’étais jeune, j’hésitais entre devenir ingénieur et médecin. J’ai trouvé la voie qui réunit ces deux vocations », se réjouit José Dolz. Appliquées par nature, ses recherches font évoluer concrètement la médecine d’aujourd’hui.
En contact avec de nombreux établissements hospitaliers au Québec et ailleurs dans le monde (Chine, France, États-Unis, etc.), José Dolz multiplie les collaborations afin de créer des solutions à ces problèmes complexes et d’obtenir assez de données pour faire avancer ses recherches.
Sa venue à l’ÉTS lui permet aussi de concilier ses intérêts pour la recherche tant universitaire qu’industrielle. L’ingénieur a en effet travaillé dans une entreprise en démarrage concevant des solutions de réalité augmentée et de vision machine pour les appareils mobiles. Il a aussi travaillé quatre ans dans une entreprise de conception de logiciels de contrôle qualité pour l’imagerie médicale et la radiothérapie.
