Ces derniers temps, on entend très souvent parler de deepfakes. Le moins que l’on puisse dire, c’est un terme qui n’inspire pas du positif. Cependant, outre les mauvaises utilisations comme avec Mark Zuckerberg, ou l’application DeepNude, cette technologie pourrait s’avérer bien plus utile. Les capacités de ces algorithmes à créer des images aussi réalistes devraient permettre d’aider les médecins pour un diagnostic.

Les deepfakes peuvent être formés pour détecter différents types de cancer au cours d’une tomodensitométrie, ou encore différencier les maladies pendant un IRM. Mais en raison de préoccupations liées à la protection de la vie privée, les chercheurs n’ont souvent pas suffisamment de données sures pour former correctement ces IA. Heureusement, les GAN, ces réseaux de neurones artificiels, peuvent remédier à cette pénurie de données.

Un autre obstacle freine le développement de cette technologie, la qualité des images. Afin de s’entraîner correctement l’IA à l’origine des deepfakes en a besoin, sinon la reproduction d’images très fiables est impossible. Cependant, la création de telles images parfois même en 3D peut exiger beaucoup de puissance de calcul. Évidemment, il faut donc utiliser du matériel perfectionné, et très coûteux. Pour le moment, les hôpitaux ne peuvent donc pas utiliser cette technologie à grande échelle.

Voici une solution

Devant ces problématiques, des chercheurs de l’Institut d’informatique médicale de l’Université de Lübeck auraient peut-être trouvé la solution. Leur processus se découpe en deux étapes. Premièrement, le GAN génère les images en basse résolution, ensuite il ajoute les détails en bonne résolution petit à petit.
En ayant effectué quelques tests, ces chercheurs se sont rendu compte que non seulement leur méthode générait des images 2D et 3D réalistes à haute résolution avec peu de ressources informatiques, mais également que les dépenses restaient constantes quelle que soit la taille des images.