DM

Dans le cadre de la stratégie nationale de recherche en intelligence artificielle (IA), présentée fin novembre 2018 à Toulouse par la ministre Frédérique Vidal (Recherche et Innovation) et le secrétaire d’État chargé du Numérique Mounir Mahjoubi, le gouvernement a signé le 8 janvier 2019 le marché d’acquisition de l’un des supercalculateurs les plus puissants d’Europe lors d’une cérémonie organisée en présence de Frédérique Vidal, a indiqué le ministère de lʼEnseignement supérieur, de la Recherche et de lʼInnovation dans un communiqué. Le dispositif vise à être exploité dans divers domaines, dont ceux de la santé et de la biologie.

Le montant de l’investissement n’a pas été communiqué.

Installé « début 2019 » au centre de calcul Idris du CNRS, sur le plateau de Saclay  dans l’Essonne, le supercalculateur a été élaboré par Hewlett Packard Enterprise et est financé par Genci, une société civile française en charge de l’équipement national en calcul intensif.
Doté d’une puissance de calcul supérieure à 14 pétaflops par seconde (14 millions de milliards d’opérations par seconde) et d’un millier de processeurs spécialisés (GPU), il permettra d’étendre « les modes d’utilisation classiques du calcul à haute performance à de nouveaux usages pour l’intelligence artificielle », indique le ministère.

L’un des six axes de la stratégie française de recherche en IA, qui sera financée par l’État à hauteur de 665 millions d’euros d’ici 2022, est de renforcer les moyens de calcul dédiés à l’intelligence artificielle : plus de 170 millions d’euros seront consacrés à ce projet. L’objectif de ce plan national est de faire du pays le leader européen de la recherche en IA.
Le ministère précise, par ailleurs, que la France envisage de se porter candidate à l’horizon 2022 à l’hébergement d’un des machines européennes de calcul dite « exascale » (1 milliard de milliard d’opérations par seconde), dans le cadre de la stratégie d’infrastructures de calcul intensif.

Renforcer les moyens de calcul : l’un des 6 axes de la stratégie de recherche en IA

Éléments clés :

• installation de l’un des plus puissants supercalculateurs en Europe début 2019 ;
• plus de 170 millions d’euros seront consacrés d’ici 2022 pour les moyens de calcul dédiés à l’intelligence artificielle, une somme versée par le gouvernement, conjointement avec la Commission européenne ;
• l’accès au calcul sera facilité pour l’ensemble de la communauté de recherche : une procédure d’accès aux moyens de calcul définie par Genci sur recommandation de l’alliance des sciences et technologies du numérique Allistene sera mise en place au cours de l’année et permettra de disposer de ressources de calcul à la volée.

« Un élément important de la stratégie d’infrastructures de calcul intensif »

« Plus généralement, [l]acquisition [de ce supercalculateur] est un élément important de la stratégie nationale d’infrastructures de calcul intensif », note le ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation.

Elle va permettre de doubler « les moyens de calcul disponibles pour la simulation numérique qui, au-delà de l’intelligence artificielle, présente une importance majeure pour la plupart des champs scientifiques » et pour des domaines variés allant de la biologie et la santé à la sécurité et la défense, en passant par l’aéronautique, l’automobile, les matériaux, l’énergie, la simulation du climat et la prévision météorologique.

La France, candidate à l’hébergement d’un supercalculateur européen dit « exascale »

La stratégie d’infrastructures de calcul intensif s’inscrit dans le cadre de la stratégie européenne sur le sujet. La France prévoit dans ce contexte de se porter candidate à l’horizon 2022 à l’hébergement d’une des machines européennes de calcul dite « exascale », soit capable d’effectuer 1 milliard de milliard d’opérations par seconde, indique le ministère.

Le dispositif sera cofinancée par la Commission européenne à travers l’entreprise commune EuroHPC, qui rassemble la Commission et 25 pays. L’investissement représentera plus de 320 millions d’euros, dont la moitié contribuera à l’intelligence artificielle.

Une équipe de chercheurs australo-brésiliens, dirigée par le Royal Melbourne Institute of Technology (RMIT), a mis au point un algorithme de traitement d’images capable de détecter automatiquement l’un des principaux signes de la rétinopathie diabétique avec un taux de précision de 98 %. Les résultats de son étude*, publiés dans l’édition de janvier 2019 de la revue Computers in Biology and Medicine, montrent que ce dépistage précoce pourrait éviter à des millions de personnes de perdre la vue.

Les réseaux de neurones pour une détection automatisée

La rétinopathie diabétique est la principale cause de perte de vision chez les adultes. En outre, le nombre de malades ne cesse d’augmenter : 191 millions de personnes devraient être touchées d’ici 2030. La principale difficulté avec cette pathologie est liée au fait qu’elle se développe à bas bruit, sans symptôme dans la phase précoce. Le diagnostic de la rétinopathie diabétique est ainsi très souvent posé lorsque les personnes commencent à perdre la vue.

Un diagnostic et un traitement précoces pourraient avoir un impact considérable sur la part de vision conservée par le patient. Cependant, seulement la moitié des personnes atteintes de diabète subissent des examens de la vue réguliers et un tiers n’a jamais été contrôlé. De plus, les méthodes de référence en matière de diagnostic de la rétinopathie diabétique sont invasives, souvent coûteuses et indisponibles dans les régions éloignées ou en développement.

En alternative à l’angiographie et à la tomographie par cohérence optique, il est possible d’utiliser une méthode moins coûteuse qui consiste à analyser des images de la rétine pouvant être prises avec un rétinographe mais le processus est manuel, prend beaucoup de temps et est moins fiable.

Repérer le liquide sur la rétine

Face à un tel constat, l’intelligence artificielle (IA) semble un recours possible. Une équipe de chercheurs australo-brésiliens dirigée par l’Université RMIT a mis au point un algorithme de traitement d’image capable de détecter automatiquement l’un des principaux signes de la maladie : la présence de fluide provenant de vaisseaux sanguins endommagés ou d’exsudats à l’intérieur de la rétine. Le suintement d’un exsudat au niveau de la rétine est en effet un signe précoce de la rétinopathie diabétique.

Les réseaux de neurones convolutifs (CNN) ont été utilisés pour la détection automatique de l’exsudat mais avec des performances médiocres.

L’équipe internationale a donc testé différentes techniques d’apprentissage en profondeur afin de maximiser la sensibilité et la spécificité. Les expériences ont été menées sur deux bases de données d’images de fond d’œil, accessibles au public.

Les résultats de leurs travaux ont été publiés dans l’édition de janvier de la revue Computers in Biology and Medicine.

Résultats : précis à 98 %

• Le réseau de neurones convolutifs ResNet-50 a été le plus performant.
• L’outil a détecté le liquide sur la rétine avec une précision de 98 % et une sensibilité de 99 %.
• Le système d’intelligence artificielle a également obtenu de meilleurs résultats comparés à ceux des méthodes traditionnelles rapportées dans la littérature.

Une IA peu gourmande en données 

« Notre approche basée sur l’IA fournit des résultats aussi précis que les analyses cliniques mais repose sur des images rétiniennes pouvant être générées avec un équipement d’optométrie ordinaire, ont souligné les auteurs de l’étude. De plus, l’utilisation de Resnet-50 présente l’avantage de ne pas nécessiter un jeu de données d’entraînement volumineux.

Le fait de détecter cette maladie incurable plus rapidement et à moindre coût pourrait changer la vie de millions de personnes non diagnostiquées et qui risquent de perdre la vue. Ils espèrent donc que leur méthode sera utilisée pour le dépistage à grande échelle des populations à risque. « Pour chaque personne en Australie qui sait qu’elle est atteinte de diabète, une autre personne vit avec le diabète mais ne fait pas l’objet d’un diagnostic. Dans les pays en développement, le ratio est de un pour quatre non diagnostiqués. »

Les chercheurs ont entamé des discussions avec des fabricants d’appareils photo Fundus au sujet de collaborations éventuelles visant à faire progresser la technologie.

L’Union européenne (UE) envisage de mettre en place une plateforme à la demande sur l’intelligence artificielle (IA) dans le cadre du projet Artificial Intelligence for the European Union (AI4EU), une initiative de l’UE visant à s’imposer sur le marché de l’IA face aux États-Unis, à la Chine, à la Russie, au Japon et aux autres nations figurant en premier plan sur ce secteur.

La santé fait partie des thématiques centrales des huit expérimentations pilotes annoncées à travers AI4EU.

Le déploiement de la plateforme à la demande, pilotée par l’entreprise française Thales, démarrera en janvier 2019, avec une ligne de crédit de 20 millions d’euros sur trois ans. L’ensemble de la communauté européenne est mobilisé.

Le but de ce dispositif est d’offrir des services et un accompagnement aux utilisateurs potentiels mais aussi de les aider à tester et à intégrer des solutions en IA dans leurs produits et services. L’idée est également de mettre en avant les avantages que peut apporter le projet AI4EU en encourageant la découverte scientifique et l’innovation technologique en intelligence artificielle.

Un observatoire éthique sera fondé pour cadrer les recherches au profit de l’humanité, indique Bruxelles. Un groupe d’experts sollicité par l’Union travaille actuellement à sa mise en place.

De manière générale, la Commission européenne prévoit d’investir 1,5 milliard d’euros d’ici 2020 dans le domaine de l’IA, puis 2,5 milliards d’euros d’ici 2027.

AI4EU sollicite à la fois le secteur public et le secteur privé

Partenaires du projet

• 79 membres, dont 60 instituts de recherche ;
• 21 pays partenaires, dont des pays de l’Union européenne, France incluse, et des pays européens ne faisait pas partie de l’Union (Suisse et Norvège) ;
• Allianz, France Digitale, Atos, l’Inria, le CEA, Orange, Qwant, Siemens, SAP, l’université Grenoble Alpes ou encore Sorbonne Université font aussi partie des associés.

Les grandes entreprises, les instituts de recherche et les universités représentent la part la plus importante des membres mais les petites et moyennes entreprises, les centres de calcul informatique et d’autres tiers participent également au programme.

La santé parmi les sujets centraux des 8 expérimentations pilotes annoncées

Les 8 expérimentations pilotes concernent :

• la santé ;
• la citoyenneté ;
• la robotique ;
• l’industrie ;
• les médias ;
• l’agriculture ;
• les objets connectés ;
• la cybersécurité.

La fondation d’entreprise Ramsay générale de santé lance un chatbot sur la prévention santé axé sur le tabac, la nutrition et le stress, les 3 thématiques de prévention les plus abordées par les Européens sur internet selon une étude de social listening (Les Européens et la prévention santé) menée sur 13 mois par la fondation. Ce robot conversationnel, appelé « Ramsay », permet à l’utilisateur d’échanger, par exemple lors de l’arrêt du tabac, avec un programme sur mesure, un bilan hebdomadaire ou encore des « alertes craquages ». Son accès est illimité 7 jour/7 et 24h/24 via les réseaux sociaux.

Selon l’enquête de Ramsay, réalisée en 2018, 81 % des Français se disent « attentifs » à la prévention santé et 28 % « très attentifs ». Cependant, un tiers d’entre eux admet ne pas appliquer les bons comportements en la matière. Le premier enjeu est celui de l’information, 74 % des Français souhaitant être mieux informés sur la prévention santé.

L’approche ludique d’un robot conversationnel, en complément d’un accompagnement par un spécialiste, devrait compléter l’information et renforcer la motivation des patients à adopter des comportements sains, estime la fondation d’entreprise. Des personnages ont été imaginés, chacun étant expert de son domaine : Franz, pour la prévention santé tabac, Alex pour les questions de nutrition et d’équilibre alimentaire et Max pour surmonter le stress. « Dans le parcours tabac, le chatbot est complémentaire des soins d’un spécialiste, d’une activité physique ou de techniques psycho corporelles. Il permet d’aider les futurs ex fumeurs à distance et [de] les accompagner à n’importe quel moment, n’importe où, de manière ludique et déculpabilisante », explique le Dr Christophe Cutarella, addictologue et psychiatre (communiqué).
La solution est dotée de la technologie Natural Language Processing (NLP) ou « traitement automatique du langage naturel » pour enrichir progressivement le chatbot des questions des utilisateurs et des réponses d’un comité d’experts. Le contenu a d’ailleurs été validé par les praticiens spécialistes du Collège scientifique de la fondation.
Le service Ramsay a été développé à la suite d’une première expérience en matière de chatbot effectuée par la fondation il y a deux ans à l’occasion du mois sans tabac et qui a mobilisé 2 200 utilisateurs.

Un algorithme a été capable de détecter des cellules précancéreuses dans 91 % des cas contre 71 % après un examen réalisé par un professionnel de santé. Ce système d’intelligence artificielle, développé par des chercheurs américains du National Cancer Institute pourrait devenir un puissant outil de dépistage du cancer du col de l’utérus, en particulier dans des pays en développement. Les résultats de cette étude ont été publiés le 10 janvier 2019 dans le Journal of the National Cancer Institute (JNCI).

Dépister le cancer du col de l’utérus à un stade précoce

Quatrième cancer le plus fréquent au monde, le cancer du col de l’utérus fait encore de nombreuses victimes dans le monde. Dans les pays à revenu faible et intermédiaire, 80% des cas sont mortels. Plusieurs moyens de prévention existent (vaccination HPV, frottis cervical) mais ils nécessitent une infrastructure et du personnel hautement qualifié qui manquent dans la plupart des pays à ressources limitées.

Dans ce type de contexte, l’Organisation mondiale de la santé (OMS) recommande d’avoir recours à la méthode d’inspection visuelle après application d’acide acétique. Cette technique est simple et peu coûteuse mais elle n’est pas très efficace pour dépister les cellules précancéreuses.

L’apprentissage automatique a déjà été testé pour dépister le cancer du col de l’utérus et a donné des résultats prometteurs mais ces essais n’ont pas permis d’évaluer le deep learning pour repérer les lésions pré-cancéreuses sur des échantillons et un suivi suffisamment importants.

60 000 images pour nourrir un algorithme

Une équipe de chercheurs de l’Institut national du cancer américain (National Cancer Institute) a donc développé un algorithme à partir d’une base de données de 60 000 images de cols de l’utérus prises au Costa Rica dans les années 90.

Leur approche basée sur l’intelligence artificielle (IA), appelée « évaluation visuelle automatisée », a pour but d’analyser les images numériques du col de l’utérus et d’identifier avec précision les changements précancéreux nécessitant des soins médicaux.

Quelque 9 400 femmes ont participé à cette étude observationnelle et ont été suivies pendant plusieurs années, jusqu’à 18 ans pour certaines d’entre elles. Chaque image a été initialement classée par des médecins expérimentés du National Testing Laboratory comme étant normale, atypique, positive pour des modifications mineures induites par l’HPV, ou positive avec un état précancéreux ou un cancer.

Les résultats de cette étude ont été publiés le 10 janvier dans le Journal du National Cancer Institute.

Résultats : 9 lésions sur 10 repérées

• 241 cas de pré-cancer et 38 cas de cancer ont été repérés préalablement parmi une cohorte de 9406 femmes.
• L’algorithme a détecté des cellules précancéreuses dans 91 % des cas contre un taux de 69 % pour le dépistage humain et de 71 % pour les examens traditionnels tels que le frottis cervical.
• L’analyse de 16 résultats discordants entre l’algorithme et l’HPV a montré que l’IA repérait plus de résultats positifs chez les femmes les plus jeunes.

En résumé, l’algorithme a permis d’obtenir une excellente sensibilité pour la détection de lésions de grade modéré dans le groupe d’âge présentant le risque le plus élevé de pré-cancers. Globalement, l’algorithme s’est avéré meilleur que tous les tests de dépistage standard pour prédire tous les cas diagnostiqués au cours de l’étude au Costa Rica.

L’IA, une solution pour les pays à faible revenu

« Lorsque cet algorithme est associé aux avancées de la vaccination anti-HPV, aux technologies de détection émergentes et aux améliorations des traitements, il est concevable d’imaginer que l’on puisse maîtriser le cancer du col de l’utérus, même dans les pays à faibles ressources », a déclaré Maurizio Vecchione, vice-président exécutif du fonds Global Good, partenaire de l’étude.

Les chercheurs prévoient de perfectionner l’algorithme sur un échantillon d’images représentatives de pré-cancers cervicaux et de tissus cervicaux normaux provenant de femmes de communautés du monde entier, à l’aide de diverses caméras et d’autres options d’imagerie. Cette étape est nécessaire en raison des variations subtiles de l’apparence du col de l’utérus chez les femmes de différentes régions géographiques.

Des chercheurs de l’université de Californie à San Francisco ont développé un programme de deep learning au service du dépistage de la maladie d’Alzheimer. Selon leur étude* publiée fin 2018 dans la revue Radiology, le système d’intelligence artificielle a été capable de détecter la pathologie neurologique avec six ans d’avance par rapport aux radiologues. Et le taux d’identification était correct dans 98 % des cas.

Diagnostiquer Alzheimer avant qu’il ne soit trop tard

Actuellement, aucun traitement n’a fait la preuve de son efficacité dans le traitement de la maladie d’Alzheimer. Ces dernières années, des médicaments prometteurs pouvant ralentir l’évolution de la maladie sont apparus. Cependant, « l’une des difficultés de la maladie d’Alzheimer est qu’au moment où les symptômes cliniques se manifestent et que nous pouvons établir un diagnostic définitif, trop de neurones sont morts, ce qui le rend essentiellement irréversible », a déclaré Jae Ho Sohn, médecin au département de radiologie et d’imagerie biomédicale de l’Université de Californie à San Francisco. C’est pourquoi ce dernier a tenté de mettre au point un moyen de diagnostiquer la maladie plus tôt.

Avec son équipe de radiologie de l’université de San Francisco, Jae Ho Sohn a combiné neuroimagerie et apprentissage automatique pour tenter de prédire si un patient développerait ou non la maladie d’Alzheimer lorsqu’il se présenterait pour la première fois avec une altération de la mémoire.

Les chercheurs ont utilisé la tomographie par émission de positrons (TEP), qui mesure les niveaux de molécules spécifiques, telles que le glucose, dans le cerveau. Le glucose est la principale source de carburant pour les cellules du cerveau. Plus une cellule est active, plus elle en utilise. Lorsque les cellules cérébrales deviennent malades et meurent, elles utilisent moins et finalement pas de glucose. Cet outil est donc non seulement pertinent pour repérer la maladie d’Alzheimer mais, en outre, les analyses de glucose par PET Scan sont courantes et peu coûteuses car elles sont utilisées pour le dépistage du cancer. Par ailleurs, les modifications du glucose sont très subtiles et difficiles à détecter à l’œil nu.

Quand le deep learning repère des changements subtils

Les auteurs de ces travaux ont donc mis au point un algorithme capable de détecter ces petites variations de glucose. « C’est une application idéale du deep learning car il est particulièrement efficace pour trouver des processus très subtils mais diffus. Les radiologistes humains sont vraiment forts pour identifier de petites localisations focales comme une tumeur au cerveau mais nous avons du mal à détecter des changements plus lents et globaux », a expliqué Jae Ho Sohn, co-auteur de l’étude, dont les résultats ont été publiés en novembre 2018 dans la revue Radiology.

Pour entraîner l’algorithme, les chercheurs l’ont alimenté d’un vaste ensemble de 2 000 images de PET scan réalisées pour des patients chez qui il avait finalement été diagnostiqué soit la maladie d’Alzheimer, soit un déficit cognitif léger ou aucun trouble.

Ainsi, l’algorithme a commencé à apprendre par lui-même quelles caractéristiques sont importantes pour prédire le diagnostic de la maladie d’Alzheimer et lesquelles ne le sont pas. Ensuite, les scientifiques l’ont testé sur deux nouveaux jeux de données pour évaluer ses performances. Le premier était 188 images provenant de la même base de données mais qui n’avaient pas encore été présentées à l’algorithme. Le second était une série entièrement nouvelle d’analyses de 40 patients qui s’étaient présentés au centre de mémoire et de vieillissement de l’université de Californie à San Francisco avec une possible déficience cognitive.

Résultats : Alzheimer identifié à 98%

• L’algorithme a identifié 92 % des patients ayant développé la maladie d’Alzheimer dans le premier jeu de données.
• Le taux d’identification correcte était de 98 % dans le second jeu de données.
• Le système d’intelligence artificielle a diagnostiqué la maladie avec 75,8 mois d’avance par rapport au diagnostic final réalisé par les radiologues.

Calibrer l’algorithme sur un plus grand jeu de données

« Je pense que cet algorithme a le fort potentiel d’être cliniquement pertinent, a déclaré l’un des auteurs de l’étude. Cependant, avant de pouvoir l’utiliser, nous devons valider et calibrer l’algorithme sur une cohorte de patients plus grande et plus diversifiée, idéalement de différents continents et de différents types de paramètres. »

Si l’algorithme reste efficace, il pourrait alors être utilisé en clinique par les neurologues et les radiologues comme un important outil d’aide à la décision. Ainsi le patient pourrait avoir accès à des traitements plus précocement.