Quand les ordinateurs apprennent à lire les images du cerveau

Le fait que les ordinateurs battent les meilleurs joueurs du monde aux échecs ou au go n’a pas seulement à voir avec les capacités de plus en plus grandes du matériel informatique, mais aussi avec les progrès dans la programmation de l’apprentissage par la machine. Il s’agit d’algorithmes qui permettent à l’ordinateur d’apprendre tout seul à résoudre un problème.

Ainsi une équipe interdisciplinaire de médecins et d’informaticiens dirigée par Mauricio Reyes de l’Université de Berne a-t-elle, dans le cadre de travaux soutenus par la Ligue suisse contre le cancer, élaboré un logiciel capable de détecter et de mesurer des tumeurs sur des images du cerveau obtenues par résonance magnétique. Et ce au moins aussi bien qu’un neuroradiologue expérimenté.

Pour le profane, les images en dégradé de gris ne révèlent pas grand-chose à part le crâne et le cerveau. De même, le logiciel de Mauricio Reyes et ses collègues doit d’abord entraîner ses capacités d’analyse à l’aide d’images évaluées par des humains qui lui montrent la différence entre les zones du cerveau saines et celles touchées par une tumeur. Sur la base des données d’exercice, le logiciel appelé BraTumIA (« Brain Tumor Image Analyzer ») déduit alors des règles qu’il applique à des images inconnues. Il décide ainsi pour chaque point d’une grille en trois dimensions s’il fait partie d’une zone du cerveau en bonne santé (substance blanche ou grise) ou d’une tumeur et de l’hémorragie qui l’entoure.

Dans le cadre d’une étude réalisée à l’Hôpital de l’Ile à Berne, le logiciel a délimité le volume tumoral aussi bien que deux neuroradiologues expérimentés. Les évaluations des experts de la localisation et de l’étendue de la tumeur servent par exemple à planifier la radiothérapie et doivent donc coïncider aussi parfaitement que possible.

Or, il y a parfois des différences notables. Mauricio Reyes parle d’un « composant subjectif inhérent à la mesure manuelle ». L’analyse automatique de l’image pourrait limiter l’influence de ces différences individuelles d’évaluation. En outre, elle pourrait faire gagner du temps aux neuroradiologues. Ceux-ci n’auraient plus qu’à vérifier s’ils sont d’accord avec l’évaluation de BraTumIA au lieu de mesurer la tumeur cérébrale à la main à l’écran, ce qui prend beaucoup de temps.

Mais l’équipe de recherche va déjà plus loin : étant donné que leur logiciel peut analyser toutes sortes d’images, on pourrait, à condition de le faire s’entraîner avec l’aide d’experts, l’utiliser pour simplifier l’évaluation dans d’autres domaines médicaux, par exemple pour le diagnostic de la sclérose en plaques ou de l’attaque cérébrale.