Quelle est la probabilité, pour un patient atteint de Covid-19, de devoir être intubé, d’entrer en soins intensifs, voire de décéder dans les 24h, 48h, 72h ou 96h ? C’est pour répondre à cette question que le centre de recherche en intelligence artificielle (IA) du géant américain Facebook a travaillé avec l'école de médecine de l'Université de New York au développement de modèles d’apprentissage automatique, publiés en open source sur GitHub le 16 janvier.
Outre les risques d’intubation, de soins intensifs et de décès, les modèles sont capables de prédire les besoins en oxygène du patient. Ces anticipations visent à éviter le renvoi trop tôt à domicile d’un patient et à faciliter la gestion des ressources en oxygène pour les hôpitaux.
Pré-entraîner les modèles sur des données similaires
"Le défi est que nous disposions de très peu de données, sur seulement quelques milliers de patients", souligne Joëlle Pineau, professeure agrégée à l'École d'informatique de l'Université McGill et directrice du Facebook AI Research. La chercheuse canadienne et ses collègues ont donc travaillé sur le pré-entraînement des modèles en s’appuyant sur la méthode Moco, pour Momentum Contrast.
À lire aussi
"Nous avons pré-entraîné nos modèles sur des images rayons-X de cages thoraciques de patients dont les conditions respiratoires étaient atteintes, détaille Joëlle Pineau. Il s’agissait de données similaires mais pas liées au Covid. Seule la dernière couche des réseaux de neurones convolutifs a été entraînée avec les 20 000 données de patients Covid disponibles, relevées entre avril et juin."
Modèles d'attention pour traiter une séquence d'information
Les modèles ont été capables de faire leur prédiction soit à partir d’une seule radiographie, soit à partir d’une séquence. Pour ce dernier point, les équipes du Facebook AI Research se sont appuyées sur les modèles dits Transformers, très utilisés dans l’analyse du langage. "Il s’agit de modèles d’attention, précise Joëlle Pineau. Ils apprennent où mettre le focus d’attention dans une séquence d’information, où regarder et à quel moment dans une image ou dans un texte."
La publication de ces modèles de prédiction des complications à partir de radiographies n’est qu’une étape du projet qui lie le Facebook AI Research à l'école de médecine de l'Université de New York. Mais pas facile de connaître la suite. "Les médecins avec lesquels nous collaborons sont bien occupés actuellement et donc difficiles d’accès, reconnaît Joëlle Pineau. Le défi de cette maladie est la vitesse à laquelle il faut gérer les cas médicaux et faire avancer la recherche." Deux aspects clé pour limiter le bilan meurtrier de cette épidémie.
