Search & Find
DiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporamaDiaporama
Accueil
ICube   >   Actualités : [Savoir(s) 47] Les modèles, pour prédire et soigner - J. Thompson (éq. CSTB)

[Savoir(s) 47] Les modèles, pour prédire et soigner - J. Thompson (éq. CSTB)

déc. 12 2023

© C. Schröder, photothèque de l'unistra

Le dernier numéro N° 47 de décembre de Savoir(s), le magazine d'information de l'Université de Strasbourg, est consacré à l'IA : aux frontières de l’intelligence ?

Ce dernier est consultable en ligne via ce LIEN et en téléchargement ICI. De nombreux chercheurs du laboratoire y sont mis en avant.
Julie Thompson, directrice de recherche CNRS en bioinformatique au laboratoire ICube utilise l'IA pour la recherche médicale et l'explique via des exemples (p19 - article rédigé par Stéphanie Robert).

Les modèles, pour prédire et soigner

Avec l’IA, les masses de données sont traitées par apprentissage automatique pour établir un modèle. Ce modèle peut alors être prédictif si on l’interroge avec de nouvelles données. Un outil très puissant, mais qui « apprendrait bêtement » s'il n'était pas alimenté, guidé par l'intelligence humaine. Explications avec Julie Thompson, directrice de recherche CNRS en bio-informatique, qui l'applique à la santé humaine.

Certains utilisent l'IA pour prédire les marchés financiers, mais au Centre de recherche en biomédecine de Strasbourg, Julie Thompson, bio-informaticienne au laboratoire ICube, l'utilise pour la recherche médicale : identifier des gènes, des mutations, diagnostiquer des myopathies, prédire leur survenue pendant la grossesse de la mère, mieux comprendre les maladies rares et soigner le cancer.

« Nous utilisons l’IA pour rechercher des motifs à partir d’une grande masse de données. Ces motifs sont pour nous des régions fonctionnelles dans les génomes humains ou animaux, c'est-à-dire des gènes et des régions qui régulent leur expression. Issues du séquençage des génomes, de l’imagerie (cérébrale, des tissus, des organes), elles sont aujourd'hui trop nombreuses et complexes pour être traitées à l'aide de statistiques comme avant. Ce n'est pas une approche nouvelle, mais l'IA la révolutionne », explique-t-elle.

L’équipe utilise les deux approches de l’IA : le deep learning et les grands modèles de langage (LLM), comme ChatGPT. « Nous les adaptons au génome, qui peut être vu comme un langage, avec des mots, les gènes, formés par les lettres ACGT, les bases de l’ADN. C'est un outil très puissant. On peut rechercher une lettre changée, c’est-à-dire la mutation d’une base de l’ADN. » Une lettre sur les 3,5 milliards de bases que contient le génome humain…

Diagnostic prénatal et médecine de précision

Ces modèles leurs permettent de découvrir les gènes et mutations responsables de maladies génétiques comme les myopathies, en comparant les génomes des malades et de leur famille, en lien avec leurs symptômes. Là, l’expertise des médecins est primordiale.

« On peut ensuite rechercher la mutation chez un embryon, pour aider au diagnostic prénatal. Ainsi, pour créer le modèle descriptif, on traite toutes les données connues, comme les génomes de patients, et l’IA apprend. On parle de modèle prédictif quand on lui donne des nouvelles données, par exemple le génome d'une personne, pour qu'il prédise la maladie », explique-t-elle.

Ces modèles prédictifs sont aussi utilisés pour définir une médecine de précision, qui adapte le traitement au patient, pour plus d'efficacité et moins d'effets secondaires. Parmi les recherches en cours de l’équipe : combiner le génome au traitement automatique d’images médicales par deep learning et à celui des rapports des médecins par un modèle de langage. Et l’IA symbolique qui consiste à « intégrer les connaissances humaines et la puissance de l’IA. L'IA est très puissante en calcul, mais elle n’est pas intelligente comme un humain, avec toute son expérience, qui associe un contexte, des souvenirs, des liens. Elle peut chercher un peu bêtement des motifs, si elle n'est pas guidée par l'intelligence humaine. »

Reste aussi à améliorer l’explicabilité des modèles : « ils donnent des réponses, mais aucune explication. Et en médecine, ce n'est pas suffisant. Nous n'en sommes pas à remplacer l'humain, de loin ».

Stéphanie Robert

Portrait Julie Thompson© C. Schröder, photothèque de l'unistra

À la une

Le dépôt des candidatures pour les postes d’enseignants-chercheur est ouvert. Les offres sont...

Flux RSS

Flux RSS