Test Alt
SANTÉ

Détection précoce de la maladie rétinienne avec l’apprentissage automatique

Lire l’article audio
Une équipe de chercheurs du Barcelona Supercomputing Center utilise l’apprentissage automatique pour créer rapidement et facilement des modèles de maladies oculaires, ce qui modifie le jeu du diagnostic et la détection précoce des programmeurs de demain.

 

Une visite à l’office de l’installation de l’jusqu’à l’allemagne est un rituel familier à beaucoup - il y a l’éclairage faible, les gouttes oculaires dilatantes, les tableaux. Les enjeux sont élevés : les chercheurs estiment qu’au moins 80 pour cent de l’information que nous percevons provient de notre vision. Avec la cécité, toute cette information est perdue, le monde d’une personne a changé pour toujours.

 

Cependant, les examens oculaires dilatés traditionnels en personne sont étonnamment de basse précision lorsqu’il s’agit de attraper les maladies de la rétine qui peuvent causer des déficiences visuelles, ce qui affecte 253 millions de personnes dans le monde. C’est près d’un sur 20. La détection précoce est un défi majeur et le processus de dépistage semble être en retard pour une mise à niveau technologique. Heureusement, une équipe en Espagne est en voie de développer ce genre de mise à niveau avec l’aide d’un des plus grands super-ordinateurs d’Europe.

Pour les patients, la vitesse est essentielle. Bien que plus d’un quart de milliards de personnes vivent avec une déficience visuelle dans le monde, quatre-vingts pour cent des cas sont évitables. Avec une intervention précoce, le risque de perte de vision grave est de plus de moitié.

SOLUTIONS EN VEDETTE

Texte alt

Services de santé Lenovo

En savoir plus

Texte alt

Lenovo Analytics & AI

En savoir plus

Texte alt

Un bord plus intelligent

En savoir plus

Alimenté par les ressources informatiques haute performance de Lenovo, le groupe de recherche du Barcelona Supercomputing Center exploite la puissance de l’IA pour la fabrication et la formation de modèles d’apprentissage automatique afin de détecter rapidement différents types de pathologies rétiniennes, du glaucome à la dégénérescence maculaire, transformant ainsi un processus d’apprentissage automatique de six mois en un processus qui prend dix minutes ou moins, avec le potentiel d’aider les philanthropes à attraper plus tôt que jamais les signes de la maladie rétinienne.

 

« Au lieu de passer six mois à essayer différentes architectures de réseau et configurations hyperparamètres, nous pouvons concevoir, former et valider la performance d’un modèle d’apprentissage automatique pour détecter une pathologie rétinienne en moins de 10 minutes en utilisant des UC - ou en seulement 3 minutes avec des GPU », explique le Dr Dario Garcia-Gasulla, chercheur postdoctoral à la tête de l’équipe de la BSC.

Texte alt

The models were run on the Center’s high-performance computing cluster, MareNostrum 4. Made up of 3,456 Lenovo ThinkSystem SD530 nuds équipés de processeurs Intel® Xeon® Platinum, MareNostrum 4 tests de performance à 11.1 PFLOPS, une mesure de la vitesse de calcul indiquant qu’il peut effectuer des calculs de base de 11,1 quadrillion par seconde.

 

Même avec une puissance superinformatique, la tâche de détection des problèmes rétiniens est formidable. Les causes de déficience visuelle sont nombreuses. Il y a la rétinopathie diabétique, les dommages aux vaisseaux sanguins découlant des complications avec le diabète; glaucome, dommages au nerf optique; nevus, une croissance semblable à une taupe dans l’œil; dégénérescence maculaire, l’usure de la rétine entraînant une perte de vision au milieu du champ visuel, pour n’en nommer que quelques-unes. Et avec des données limitées disponibles, il est difficile de former un réseau neuronal d’IA pour faire la distinction entre ces différentes maladies de la rétine.

Texte alt

L’IA facile à utiliser permet de détecter et de traiter des problèmes de vision plus tôt que jamais auparavant.

« Pour les pathologies offrant une disponibilité limitée pour un ensemble de données, il est possible que ceux qui ont moins de 3 000 images, par exemple, former un réseau neuronal profond fiable à partir de rien ne soit possible », explique Garcia-Gasulla.

C’est là que l’équipe se transforme en transfert d’apprentissage, un processus qui leur permet de construire de nouveaux modèles plus rapidement et avec moins de données.

 

« Ainsi, au lieu de construire et de former un filet profond pour chaque type de pathologie rétinienne, nous pouvons réutiliser notre modèle de base et l’entraîner à détecter une deuxième pathologie, et ensuite former un troisième modèle à détecter un autre type de pathologie, et ainsi de suite. Cela nous permet de produire de nouveaux modèles très rapidement et très facilement.  »

Les scientifiques qui utilisent le système peuvent simplement choisir la pathologie rétinienne pour laquelle ils aimeraient créer un modèle d’apprentissage automatique, choisir un réseau neuronal pré-formé à utiliser comme extracteur de fonctionnalités, et ils sont en route vers les races.

 

Pour Patrick Moakley, directeur du marketing informatique et de l’ia au sein du groupe des centres informatiques de Lenovo, le projet est une fenêtre sur un avenir dans lequel IA et apprentissage automatique sont simples et intuitives.

« En utilisant les technologies Lenovo, BSC a créé une IA facile à utiliser avec des résultats fantastiques , dit Moakley.

L’IA facile à utiliser permet de détecter et de traiter des problèmes de vision plus tôt que jamais auparavant. C’est un pas plus proche d’un monde dans lequel les cas de cécité évitables sont exactement cela - empêchés.

CHAÎNE D'APPROVISIONNEMENT