LG 223
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
14 <strong>LG</strong><br />
JUIN 2019<br />
E-SANTÉ<br />
L’IA à l’aide<br />
des professionnels<br />
de la santé<br />
Le domaine de la santé est un nouveau terrain d’activités<br />
chez InTech. Il nécessite la motivation et les compétences<br />
techniques des collaborateurs afin de contribuer à des projets<br />
d’amélioration du bien-être de la personne. Eric Laurent,<br />
ingénieur à la tête du Pôle Santé, nous présente deux<br />
algorithmes fondés sur l’intelligence artificielle prédictive.<br />
Interview.<br />
Pourquoi et depuis quand, InTech s’intéresse-t-elle<br />
à l’e-santé?<br />
Ma première mission, à mon arrivée il y a<br />
trois ans, a été de développer le Pôle Santé.<br />
La raison est qu’il s’agit d’un domaine où<br />
la technologie est au service de projets qui<br />
ont du sens. Un sens qui profite aux patients<br />
mais aussi à nos collaborateurs. InTech a<br />
aujourd’hui une expertise technologique<br />
qu’elle souhaite proposer aux professionnels<br />
de la santé.<br />
Parlez-nous de votre algorithme de Deep<br />
Learning…<br />
Ce premier projet est capable d’analyser un<br />
grain de beauté à partir d’une simple photo<br />
et d’en détecter ses caractéristiques afin de<br />
déterminer s’il y a un risque de cancer de la<br />
peau. Plusieurs méthodologies existent afin<br />
de détecter le caractère malin ou bénin du<br />
mélanome, dont la méthode «ABCDE» qui<br />
analyse l’asymétrie, les bords, la couleur, le<br />
diamètre et l’évolution du grain de beauté.<br />
Notre objectif est d’inclure cette méthode<br />
dans un algorithme de Deep Learning afin<br />
d’accompagner les prises de décision des<br />
professionnels de santé.<br />
La complexité de ce type de projet est d’avoir<br />
une base de données suffisante pour créer<br />
un modèle prédictif capable d’apprendre<br />
par lui-même. En cas de détection de<br />
mélanomes malins, la base de données doit<br />
être suffisamment fournie en photos de<br />
grains de beauté aussi bien bénins que malins.<br />
Notre base de données appelée «Dataset» a<br />
été peuplée de 13.680 images classifiées par<br />
les professionnels de santé. Une partie de ce<br />
Dataset a servi de modèle d’entraînement à<br />
notre algorithme et l’autre à le valider. Les<br />
taux de précision sont proches de 99% sur<br />
le jeu de données d’entraînement et de 97%<br />
sur celui des données de validation.<br />
“Lorsque<br />
l’ingénierie<br />
se met au service<br />
de la santé,<br />
des nouveautés<br />
essentielles<br />
dans le domaine<br />
médical peuvent<br />
émerger”<br />
Et pour ce qui est de l’algorithme de<br />
mesure de paramètres de santé par flux<br />
vidéo…<br />
Nous travaillons en effet sur un second<br />
projet qui permet de mesurer des<br />
paramètres de santé par flux vidéo. La<br />
majorité des appareils connectés sont<br />
équipés de matériel vidéo qui permettent de<br />
concevoir des solutions fondées sur des flux<br />
vidéo. Nos travaux ont porté sur la mesure<br />
du rythme cardiaque et de la fréquence<br />
respiratoire. Nous avons pour ce faire,<br />
élaboré un algorithme qui repose sur des<br />
formules et des méthodes mathématiques<br />
de traitement du signal, telles que les<br />
décompositions de Fourier, les filtres et<br />
les études de convergences. Nous avons<br />
utilisé une méthode de détermination des<br />
variations de couleur qui se produisent<br />
au niveau des veines du front lors d’une<br />
pulsation cardiaque. La région du front<br />
possède une couche très fine de peau et<br />
un réseau sanguin extrêmement chargé<br />
qui permet d’isoler les couleurs primaires<br />
(rouge, vert et bleu).