19-04-2018

L’apprentissage profond (l’intelligence artificielle) peut transformer la science biomédicale

Certaines applications de l’apprentissage en profondeur [c.à.d. l’apprentissage statistique basée sur des réseaux de « neurones profonds » et sur l’apprentissage (non)supervisé] sont devenues presque courantes, comme ces techniques s’appliquent déjà aux smartphones et aux voitures autonomes. Mais pour les biologistes, qui ne sont pas familiers avec les techniques, l’utilisation de l’intelligence artificielle comme outil dans le laboratoire peut être difficile à comprendre.

« Présenter cette technologie aux biologistes est un objectif si important », a déclaré Finkbeiner, qui est le directeur du Taube/Koret Center for Neurodegenerative Disease Research à Gladstone et professeur de neurologie et de physiologie à l’UC San Francisco. « Quand j’ai donné des conférences sur ce sujet, j’ai remarqué que, dès que mes collègues remarquent ce que nous essayons de faire sur le plan conceptuel, ils cessent presque d’écouter! Mais du moment qu’ils comprennent le potentiel de cette technologie pour résoudre des problèmes, le sujet devient vraiment excitant. »

Les applications potentielles de l’apprentissage en profondeur dans le domaine de la biologie sont presque infinies. Dans son laboratoire, Finkbeiner tente de trouver de nouveaux moyens de diagnostiquer et de traiter les troubles neurodégénératifs, tels que la maladie d’Alzheimer, la maladie de Parkinson et la sclérose latérale amyotrophique (SLA).

« Nous ne comprenons toujours pas la cause exacte de ces maladies pour 90 pour cent des patients », a déclaré Finkbeiner. « De plus, nous ne savons même pas si tous les patients sont atteints de la même cause, ou si nous pouvions classer les maladies en différents types. Les outils d’apprentissage en profondeur pourraient nous aider à trouver des réponses à ces questions ; des réponses qui pourraient avoir des implications énormes sur la façon d’étudier la maladie et la façon dont nous menons des essais cliniques. »

Sans connaissance des classifications d’une maladie, un médicament pourrait être testé sur le groupe fautif de patients et pourrait sembler inefficace, alors qu’il pourrait effectivement fonctionner pour un groupe différent de patients.

Avec la technologie des cellules souches pluripotentes induites, les scientifiques pourraient faire correspondre les propres cellules de patients avec leurs informations cliniques, et le réseau artificiel profond pourrait trouver des relations entre les deux bases de données afin de prédire des relations. Cela pourrait nous aider à identifier un sous-groupe de patients avec des caractéristiques cellulaires similaires et les associer à la thérapie appropriée.

Les limites de l’imagination humaine peuvent être la seule restriction.

Traduction : Ligue SLA : Walter

Source : Phys.org