En effet, Audensiel a développé IA Power pour vous offrir une approche innovante et sur-mesure afin de capitaliser sur cette opportunité. Fernando C, Senior Partner de Cognodata du groupe Audensiel partage avec nous ce nouveau projet “In-silico Medicine” et la gestion de l’IA dans ce projet. “In-silico Medicine est un outil de modélisation pour les systèmes scientifiques et biologiques.
Peux-tu nous parler du projet “IN SILICO MEDICINE” ?
« In-silico Medicine » correspond à la modélisation informatique des systèmes biologiques et des processus de l’organisme humain avec application à l’analyse de l’évolution, ainsi que le contrôle, des maladies. En ce sens, nous complétons, par exemple, des éprouvettes et des cultures cellulaires (in vitro) ou des préparations animales (in vivo) par des modèles informatiques. Dans ce projet, nous avons également inclus le Machine Learning (ML) afin que ces modèles informatiques soient optimaux. Ainsi, nous analysons le problème de la régulation de ces processus biologiques comme un problème de contrôle adaptatif intelligent où intelligent signifie que les algorithmes d’intelligence artificielle (IA) et ML sont capables d’optimiser et d’estimer une série de paramètres. Ainsi, le système régulé (organismes et systèmes du corps humain) peut revenir à une situation normale (non pathologique) où l’évolution naturelle de la maladie est contrée par des mécanismes de régulation interne et externe (par ex. traitements).
Dans ce cadre, nous nous sommes concentrés sur le développement de systèmes d’intelligence artificielle générative qui nous permettent de générer et de simuler différents modèles de la dynamique d’une maladie infectieuse. Il nous permet d’analyser dans quelles conditions différentes configurations temporelles peuvent émerger de l’évolution spatiale d’une maladie. Par exemple, un modèle génératif de la propagation de l’infection par un agent pathogène (virus, bactéries, etc.) chez un patient atteint de pneumonie peut expliquer, dans quelles conditions, la propagation de l’infection à travers un volume spécifique des poumons avec une extension et une vitesse de propagation déterminée. De même, il nous permet également d’analyser l’évolution des modèles dynamiques de la réponse immunitaire. En ce sens, nous avons mené avec succès des travaux de R&D dans les systèmes de contrôle adaptatif intelligents (SCAI) qui correspondent à l’intégration de la théorie du contrôle adaptatif et des dernières techniques d’intelligence artificielle et d’apprentissage automatique pour l’optimisation de ces systèmes de contrôle. Ainsi, par exemple, dans l’évolution du processus infectieux pendant la pneumonie ou dans la génération de la grippe, nous pouvons modéliser sur ordinateur le processus dynamique de contagion des agents pathogènes (par ex. virus et bactéries). Il provoque l’apparition et l’évolution dynamique future de la population du germe pathogène, ainsi que le processus de contrôle dynamique de la génération de différents types de mécanismes de défense (par ex. leucocytes). Ces mécanismes sont causés par notre propre système immunitaire en tant que réponse immunologique à cette attaque externe.
Quel est le type d’IA utilisée et comment fonctionne le projet ?
Ce projet intègre plusieurs types d’IA :
L’IA générative permet de générer des simulations personnalisées pour les données cliniques spécifiques de chaque patient. Les modèles mécanistes génératifs basés sur la théorie du contrôle reproduisent et génèrent la dynamique de la maladie.
Le Machine Learning basé sur des schémas permet l’apprentissage de nouveaux composants basés sur des combinaisons de composants précédents ainsi que l’optimisation des paramètres pour les nouveaux composants.
Computer Vision permet de diagnostiquer la maladie en se basant sur les images radiographiques du patient.
Les modèles prédictifs multivariés (tels que Random Forest) permettent de prédire le pronostic de la maladie en fonction de nombreuses variables cliniques telles que la saturation en oxygène, les protéines, etc.
Quelle est la plus-value de l’IA dans ce projet ?
Les modèles de causalité (réseaux bayésiens) permettent d’estimer l’effet des interventions : par exemple, l’effet de différents plans de traitement.
Le Machine Learning basé sur des schémas est capable de produire un apprentissage de structure qui permet de découvrir la structure du problème. C’est-à-dire comment il se décompose en problèmes plus simples, dont les solutions partielles travaillant ensemble aident à résoudre le problème global plus large.
L’apprentissage de la structure permet d’inférer la maladie sous-jacente et les (sous)-phenotypes sous-jacents en découvrant la structure cachée en émettant des hypothèses sur les variables et les relations cachées.
Comment est composée l’équipe qui gère ce projet ?
L’équipe projet est composée de plusieurs experts en IA sur différentes technologies d’IA et de plusieurs développeurs sous la direction du directeur R&D. Les experts en IA sont plus impliqués dans les aspects fonctionnels du projet et travaillent en étroite collaboration avec les cliniciens. Les développeurs prennent la conception technique et développent la plupart du code, les interfaces, les rapports, etc.
Le projet a également un propriétaire d’entreprise qui sont les partenaires cliniques d’un hôpital partenaire dans le nord de l’Espagne.
Pourquoi penses-tu que c’est important d’intégrer l’IA dans les projets ?
L’IA est essentielle pour faire face à des problèmes mal définis. Autrement dit, nous ne savons pas a priori quels sont les aspects et les variables essentiels pour prédire efficacement la dynamique des différentes pathologies. Ainsi, l’IA peut nous aider à déterminer quelles sont les causes cachées et les paramètres essentiels pour l’évolution des différentes pathologies.
L’IA permet également de générer des simulations dynamiques personnalisées que nous pouvons ensuite comparer aux données réelles des patients.
Comment vois-tu l’évolution de l’IA dans les prochaines années ?
L’IA est actuellement très forte en Deep Learning et en phase avec l’IA générative depuis l’apparition de ChatGPT. Je vois également une augmentation de l’utilisation de l’apprentissage par renforcement pour faire face aux problèmes de prise de décision séquentielle, de planification et de contrôle.
En outre, les paradigmes d’IA plus modernes deviendront de plus en plus courants tels que l’intelligence artificielle causale et l’intelligence générale artificielle. L’intelligence artificielle causale permet de mesurer l’effet de différentes interventions dans le système.
L’intelligence générale artificielle prétend que le développement d’agents capables de résoudre un grand nombre de tâches différentes dans de nombreux domaines divers du discours, tout comme les capacités humaines générales.
IA Power, le nouveau programme d’Audensiel basé sur l’IA
Il s'agit d'une démarche innovante pour permettre aux entreprises de capitaliser sur cette technologie. Cet accompagnement, porté par l’équipe experte en IA d’Audensiel, permettra de développer au mieux cette évolution et de l'adapter aux usages métiers des entreprises.
Vous souhaitez en savoir plus sur notre programme IA Power ?👇
Comments