Dans le domaine médical, l'analyse des données d'imagerie a toujours été un processus complexe et fastidieux. Récemment, des chercheurs de la Weill Cornell Medicine ont développé un nouveau système d'intelligence artificielle appelé LILAC (Inferência de Mudanças de Imagem Longitudinal baseada em Aprendizado, traduit approximativement par «Inférer les changements d'images longitudinales basés sur l'apprentissage»), capable d'analyser et de détecter efficacement et précisément les changements dans les images médicales au fil du temps. Cette étude a été publiée le 20 février dans la revue Proceedings of the National Academy of Sciences des États-Unis et démontre le vaste potentiel d'application de LILAC dans divers contextes médicaux.
Les méthodes traditionnelles d'analyse d'images médicales nécessitent généralement beaucoup de personnalisation et de prétraitement. Prenons l'exemple des données d'imagerie par résonance magnétique (IRM) du cerveau : les chercheurs doivent généralement consacrer beaucoup de temps à l'ajustement et à la correction des images pour se concentrer sur une zone spécifique, et même pour éliminer les effets des différences d'angle et de taille. Le système LILAC simplifie considérablement ce processus en automatisant ces étapes complexes de prétraitement, permettant ainsi aux chercheurs d'analyser plus facilement des séquences d'images à long terme.
Note de l'image : Image générée par IA, fournie par Midjourney.
La flexibilité de LILAC réside dans sa capacité d'adaptation à divers types d'images médicales. L'équipe de recherche a entraîné LILAC avec des centaines de jeux d'images microscopiques d'embryons de fécondation in vitro, testant sa capacité à déterminer l'ordre temporel dans des paires d'images aléatoires. Les résultats ont montré que la précision de LILAC atteignait 99 %. Dans d'autres expériences, le système a également détecté avec succès les différences dans la cicatrisation des plaies et les changements dans le cerveau des personnes âgées, et a réussi à prédire avec précision les scores cognitifs.
Le Dr Kim Hee-jong, principal concepteur de la recherche, a déclaré que l'objectif de LILAC est de fournir un soutien dans les situations où le processus de recherche n'est pas entièrement compris, en particulier lorsqu'il existe une grande variabilité entre les individus. Cette technologie ne s'applique pas seulement aux données d'images actuelles, mais peut également gérer de manière flexible les changements futurs inconnus.
Actuellement, l'équipe de recherche prévoit d'appliquer LILAC dans des scénarios cliniques réels, notamment pour la prédiction de la réponse au traitement chez les patients atteints de cancer de la prostate au moyen d'examens d'IRM. Le lancement de ce système innovant apporte sans aucun doute de nouveaux espoirs et de nouvelles possibilités pour l'analyse d'images médicales.