Des chercheurs du MIT ont mis au point une intelligence artificielle capable d’enregistrer et d’analyser des scanners cérébraux avec une vitesse de traitement 1000 fois supérieure à celle disponible actuellement.

Inutile d’avoir visionné l’intégralité des saisons de Doctor House pour savoir que les interventions neurochirurgicales sont réputées pour leur complexité. D’une part pour l’acte chirurgical en lui-même, d’autre part pour les complications que ce dernier peut occasionner. C’est pourquoi il est vital pour les chirurgiens d’avoir une visibilité parfaite, pré et postopératoire, de l’état du cerveau de leurs patients afin de s’assurer que les ablations (ou exérèse) de tumeurs pratiquées aient rencontré un franc succès.

Réalisée via le traitement d’une série d’images issues d’IRM, la comparaison entre une cartographie cérébrale préopératoire et postopératoire se révèle être une tâche très laborieuse à cause du traitement des « voxels » (pixel 3D) dont le nombre peut parfois se compter en million.

Comme l’explique Dalca, auteur principal du CVPR et auteur principal du MICCAI, la difficulté réside dans le fait que lorsque « [nous avons] deux images différentes de deux cerveaux différents, que [nous superposons] l’une au-dessus de l’autre, et [que nous commençons] à « agiter » jusqu’à ce que l’une s’adapte à l’autre […] Mathématiquement, cette procédure d’optimisation prend beaucoup de temps ».

De facto, le processus incombe une forte latence qui ne permet pas in fine aux neurochirurgiens de statuer de façon immédiate sur la réussite d’une exérèse, les obligeant ainsi à patienter parfois plus de deux heures après ladite opération. Une situation très problématique qui, en cas de mauvaise ablation, ne laisse guère le choix à la reconduction d’une nouvelle intervention, très lourde pour le patient.

Pour pallier à ce problème, une équipe de chercheurs du MIT a pensé un nouvel algorithme d’apprentissage automatique basé sur 7000 scanners IRM, nommé « Voxelmorph », que les chercheurs ont ensuite testé sur 250 scanners supplémentaires. Alimentée grâce à un réseau neuronal convolutif (appelé aussi CNN) lui-même couplé à un transformateur spatial (couche de calculs modifiée), l’intelligence artificielle a été capable, durant les phases d’expérimentation, de comparer le degré de similitude entre les « voxels » de deux scanners cérébraux.

La performance de « Voxelmorph » ? Grâce à son algorithme « non supervisé » (sa base de données initiale suffit à elle-seule et ne nécessite pas par la suite l’implémentation de nouvelles datas), l’IA a été capable d’analyser les scanners 3D des IRM avec une vitesse mille fois supérieure à celle des logiciels hospitaliers actuels.

Cette nouvelle IA permettrait par conséquent de traiter les scanners de façon presque instantanée (en moins d’une seconde si l’ordinateur est équipé d’une très bonne carte graphique).

Plus que tout, elle est source de nouveaux champs des possibles pour la médecine, en ouvrant la voie à de potentielles futures nouvelles applications pour différentes interventions chirurgicales concernant d’autres organes.

Source.