Des chercheurs mettent au point une IA apte à détecter les signes de maladies dans le souffle humain

En utilisant des techniques de deep learning
Le , par Stan Adkens, Chroniqueur Actualités

Les chercheurs ne tarissent pas d’éloges à l’égard de l’intelligence artificielle qui est aujourd’hui au centre de presque toutes les problématiques, en allant de la création de produits innovants en entreprise au renforcement de la souveraineté d’un pays en passant par la révolution des jeux vidéo. L’IA a développé une grande capacité de « voir » comme dans les voitures autonomes, une meilleure aptitude à « écouter » comme avec Alexa d’Amazon. Il était temps qu’elle passe à la capacité de « sentir », sens moins développé chez l’humain qui pourrait en tirer profit. C’est ce qui est en train d’être fait avec une équipe de chercheurs de l’Université de Loughborough, du Western General Hospital, de l’Université d’Edimbourg et du centre de cancer d’Edinburgh au Royaume-Uni.

En effet, cette équipe a récemment développé une méthode basée sur le « deep learning » qui permet d’analyser des composés dans le souffle humain avec une performance moyenne élevée que celle des humains. Le « deep learning » est un sous-ensemble de l’IA et de l’apprentissage automatique qui utilise des réseaux neuronaux artificiels multicouches pour fournir une précision de pointe dans des tâches telles que la détection d’objets, la reconnaissance vocale, la traduction de langues et autres.

« L’odorat est utilisé par les animaux et même les plantes pour identifier des centaines de substances différentes qui flottent dans l’air. Mais comparé à celui des autres animaux, le sens de l’odorat humain est beaucoup moins développé et certainement pas utilisé pour effectuer des activités quotidiennes », a écrit Andrea Soltoggio, l’un des chercheurs de l’équipe. « Pour cette raison, les humains ne sont pas particulièrement conscients de la richesse de l’information qui peut être transmise par l’air, et peuvent être perçus par un système olfactif très sensible », a ajouté Soltoggio.

Depuis lors, certaines machines telles que les spectromètres de masse à chromatographie en phase gazeuse ou GC-MS ont été utilisées pour analyser l’air et en détecter et séparer les différentes composantes sous forme de molécules appelées composés organiques volatils. Une empreinte digitale est créée pour chaque composé isolé qui permettra de le reconnaitre. Les laboratoires utilisent le GC-MS pour détecter de nombreuses maladies représentées par certains des composés contenus dans l’air de la respiration humaine.

Seulement que ce processus prend beaucoup de temps à cause de la complexité et la quantité des données à analyser. L’erreur humaine peut aussi entacher les résultats de cette procédure.

Pour faciliter cette procédure et rendre plus fiables les résultats, l’intelligence artificielle est intervenue dans les recherches de l’équipe. Elle a utilisé l’unité graphique GPU NVIDIA de Tesla et le deep learning pour conduire les recherches. « Utilisant les GPU NVIDIA de Tesla et la bibliothèque cuDNN pour accélérer les logiciels de deep learning Keras et TensorFlow, l’équipe a formé son réseau de neurones sur des données provenant des participants au programme avec différents types de cancer », a déclaré la chercheuse Angelika Skarysz, étudiante en thèse à l’Université de Loughborough. L’efficacité du réseau de neurones a été augmentée en augmentant le volume des données de test.

« Il s’agit de la première tentative réussie d’apprentissage automatique pour l’apprentissage de modèles d’ions et la détection de composés à partir de données GC-MS brutes », a déclaré l’équipe. « Le réseau neuronal de convolution a obtenu les meilleures performances lorsqu’il a été mis en œuvre avec deux caractéristiques particulières : des filtres unidimensionnels pour s’adapter à la structure particulière des données GC-MS et une entrée à trois canaux pour lire les signaux hauts, moyens et bas spectre GC-MS hautement variables. L’approche novatrice a permis de découvrir des erreurs d’étiquetage d’experts humains, suggérant une performance moyenne supérieure à celle de l’humain », expliquent les chercheurs.

L’équipe a mis l’accent, dans cette première étude, sur la reconnaissance d’un groupe de produits chimiques, appelés aldéhydes, reconnus comme marqueurs du stress et des maladies humaines, mais aussi associés aux parfums.

La technologie a été utilisée pour scanner des échantillons d’haleine humaine. « Les ordinateurs équipés de cette technologie ne prennent que quelques minutes pour analyser de manière autonome un échantillon d’haleine qui auparavant prenait des heures par un expert humain », ont déclaré les chercheurs. Par ailleurs, la technologie va en se bonifiant grâce au deep learning, ce qui pourrait permettre au log

 

iciel d’approfondir les analyses en faisant la connaissance d’autres types de composés, signes d’autres pathologies.

L’IA devient donc capable de « sentir » les signaux d’une présence éventuelle de maladies dans l’haleine humaine. La te

 

chnologie sera présentée à la conférence internationale conjointe sur les réseaux de neurones (IJCNN 2018) à Rio de Janeiro au Brésil, le mois prochain.

Source : The ConversationNVIDIA