Mieux voir le cerveau des nouveau-nés grâce à l'IA | Réseau de l'Université du Québec

Mieux voir le cerveau des nouveau-nés grâce à l'IA

2020-09-02

Mieux voir le cerveau des nouveau-nés grâce à l'IA

L'Institut de valorisation des données (IVADO) a décerné une bourse de recherche fondamentale à une équipe réunissant José Dolz, professeur chercheur au Département de génie logiciel et des technologies de l’information, de l’ÉTS, et le CHU Sainte-Justine, pour ses travaux visant le développement de nouveaux outils d’intelligence artificielle (IA) permettant de mieux voir le cerveau des bébés. 

Il ne fait aujourd’hui aucun doute que l’IA et les banques de données permettront l’émergence de percées majeures dans le domaine des soins de santé. Déjà, une équipe de recherche du CHU Sainte-Justine, avec la collaboration de José Dolz, a mis au point dans le cadre d’une étude une technique novatrice fondée sur l’IA pour mieux définir les différentes sections du cerveau chez le nouveau-né lors d’un examen par imagerie par résonance magnétique (IRM). En améliorant la segmentation des tissus cérébraux chez les tout-petits, on peut ainsi analyser rapidement et avec une grande fiabilité leur cerveau.  

L’Institut de valorisation des données (IVADO) a choisi, dans le cadre de son programme de financement de projets de recherche fondamentale, de permettre à ces chercheurs et chercheuses de poursuivre leurs travaux en leur accordant une bourse. Rappelons que leur étude, intitulée Using Deep Convolutional Neural Networks for Neonatal Brain Image Segmentation, avait été publiée en mars 2020 dans le journal Frontiers in Neuroscience.

Le cerveau néonatal est extrêmement vulnérable aux conséquences biologiques de la prématurité ou de l’asphyxie à la naissance, qui entraînent des troubles cognitifs, moteurs, langagiers et comportementaux. Il faut attendre plusieurs années avant de pouvoir tester certains aspects clés des fonctions du cerveau des bébés, ce qui entrave considérablement les progrès de la neuroprotection néonatale. Comme c’est le cas pour les adultes, les chercheurs et les cliniciens ont besoin d’outils objectifs pour évaluer immédiatement l’efficacité des thérapies administrées. 

Les résultats de l’étude susmentionnée ont démontré que l’imagerie néonatale par résonance magnétique du cerveau peut combler cette lacune et fournir ces outils. De concert avec l’équipe de José Dolz, les chercheurs du CHUSJ ont pu adapter les outils existants aux spécificités du milieu néonatal. L’imagerie néonatale par IRM représente toutefois un véritable défi car cette période de la vie en est une de croissance intense du cerveau et de maturation du cerveau.

« La bourse d’excellence d’IVADO nous permettra d’améliorer nos outils de segmentation du cerveau néonatal existants, notamment HyperDense-Net, en utilisant les dernières itérations d’outils d’IA, et également de mettre au point un outil permettant de déterminer la maturation cérébrale objective chez les nouveau-nés », souligne José Dolz qui est co-auteur de l’étude avec le Dr Gregory A. Lodygensky, néonatalogiste au CHU Sainte-Justine et professeur à l’Université de Montréal.

Spécialisé en intelligence artificielle, en analyse d’images médicales et en apprentissage profond (deep learning) appliqués à la reconnaissance visuelle, le professeur Dolz met au point des solutions afin que la machine soit capable d’analyser de gros volumes de données, qu’elle puisse les comparer et faire des liens. « Les enjeux de la médecine aujourd’hui sont d’avoir des résultats rapides, précis, interprétables et fiables, et c’est ce que l’on cherche à faire », explique-t-il. 

À propos de José Dolz

José Dolz est titulaire d’une maîtrise en génie des télécommunications, obtenue en 2010, et d’un doctorat en mathématiques appliquées de l’Université de Lille II-Droit et Santé. Il a obtenu une bourse Marie-Curie pour réaliser ses études de doctorat, pendant lesquelles il a travaillé sur des méthodes de segmentation automatique des organes à risque dans le cancer du cerveau. Il s’est joint à l’ÉTS en 2016, à titre de stagiaire postdoctoral. Sa recherche portait sur le deep learning et l’optimisation des méthodes d’analyse en imagerie médicale.

Pour en savoir plus 

Technique de segmentation des images (article publié sur le site Web de l'ÉTS)
Using Deep Convolutional Neural Networks for Neonatal Brain Image Segmentation (Frontiers in Neuroscience)

Source :
Service des communications
ÉTS, 5 août 2020

Toutes les actualités de l'École de technologie supérieure >>>