L’
Institut informatique de la Haute École de Santé (HES-SO) du Valais prend part à un consortium national œuvrant au développement d’outils intelligents d’aide au diagnostic et à la gestion de la sclérose en plaques. Parmi ses projets figure
«MSxplain», soutenu par le programme Responsible AI de la Fondation Hasler. Alors que de nombreux dispositifs utilisant l’intelligence artificielle se caractérisent par une forte opacité, MSxplain vise à soutenir le corps médical tout en assurant la transparence de son système d’IA. Ainsi, «les modèles ne se contentent pas d’analyser des images IRM: ils expliquent leurs résultats et rendent visibles leurs limites»,
explique l’institution valaisanne.
Le projet MSxplain réunit quatre partenaires: Meritxell Bach Cuadra, professeure au CIBM UNIL/CHUV; Cristina Granziera, professeure à l’Université de Bâle; Delphine Ribes Lemay, de l’EPFL-ECAL; ainsi que Henning Müller et Adrien Depeursinge, professeurs à l’Institut informatique de la HES-SO Valais-Wallis.
Ouvrir la «boîte noire»
Les chercheurs impliqués œuvrent au développement d’outils d’IA capables:
- d’indiquer leur marge d’erreur dans le diagnostic de lésions cérébrales;
- de caractériser ces lésions et d’expliquer clairement leurs décisions à l’utilisateur;
- d’être déployés dans des environnements hétérogènes, assurant ainsi la compatibilité avec les serveurs et les bases de données de chaque hôpital.
Ainsi, Nataliia Molchanova, co-supervisée par Müller et Bach Cuadra, développe des modèles algorithmiques pouvant fournir une estimation de leur marge d’erreur dans un diagnostic. Objectif: permettre au corps médical de savoir si la réponse de l’IA mérite d’être analysée en détail ou s’il convient de se concentrer uniquement sur les résultats de l’IRM.
De son côté, Federico Spagnolo, co-supervisé par Depeursinge et Granziera, œuvre à ce que le modèle puisse non seulement détecter les lésions dues à la sclérose en plaques, mais également les caractériser: «Le développement de la maladie est-il agressif? Des zones du cerveau sont-elles enflammées? De nouvelles zones sont-elles atteintes? Les lésions détectées sont-elles actives ou non actives?»
Le modèle doit ainsi être capable d’expliquer ses réponses à l’utilisateur. «L’un des enseignements tirés de ce projet est que le modèle a besoin d’un contexte pour détecter des lésions: l’image médicale doit intégrer la partie du cerveau lésée ainsi que la partie saine qui l’entoure pour que le modèle puisse effectuer son travail», précise encore la HES-SO.
«Permettre à la science d’avancer»
Enfin, Lluis Borras Ferris, supervisé par Depeursinge, développe une application web permettant au corps médical de tester des cas concrets. «L’algorithme propose ensuite un rapport conforme aux recommandations de la Société Suisse de Radiologie. La mise en œuvre de cette plateforme permet aux partenaires sanitaires du projet de l’utiliser avec leurs données cliniques», explique la Haute École. L’objectif est de permettre le déploiement de la plateforme dans des hôpitaux disposant de systèmes informatiques et de machines différents. «Comme à l’accoutumée, et afin de permettre à la science d’avancer, le code des algorithmes utilisés est open source, c’est-à-dire accessible librement à toutes et à tous.»