L’école de technologie supérieure (ÉTS), constituante du réseau de l’Université du Québec, a annoncé l’arrivée prochaine de deux nouvelles chaires de recherche spécialisée en IA appliquée à la santé. Le fonds de recherche du Québec – santé (FRQS) subventionne ces chaires à hauteur de 1,5 million de dollars canadiens sur trois ans. Ce programme de chaires vise à former du personnel qualifié en matière d’IA afin qu’ils puissent travailler dans un domaine lié à la santé et à l’IA.
Les titulaires de ces deux chaires de recherche seront Éric Granger, professeur au Département de génie des systèmes, et Rita Noumeir, professeur au Département de génie électrique à l’ÉTS, qu’ils codirigeront avec leurs collègues de l’Université de Montréal et de l’université Concordia. François Gagnon, directeur général de l’ÉTS, a évoqué dans ses propos l’arrivée de ces deux chaires :
“L’ÉTS est la seule université à avoir obtenu deux chaires de recherche dans le cadre de ce programme qui prévoyait au départ en financer une seule pour tout le Québec. Ce double octroi démontre que nos chercheurs ont acquis une expertise très pointue en science des données. Leur contribution scientifique renforcera sans conteste le rayonnement international de ce pôle stratégique. L’ÉTS, c’est aussi le génie au service de la santé pour un avenir plus sain.”
Rita Noumeir s’est exprimée autour de l’utilisation du financement de FRQS pour la mise en place de ces deux chaires :
“Le financement que nous avons reçu sera presque entièrement versé sous forme de bourses à des étudiants qui pourront développer leur expertise dans le domaine de l’intelligence artificielle appliquée à la santé.”
Première chaire : sur le développement et validation de systèmes d’aide à la décision clinique à l’aide de l’IA
Dans le cadre de cette chaire, Rita Noumeir et le professeur Philippe Jouvet, rattaché à l’Université de Montréal et au Centre de recherche du CHU Sainte-Justine, cherchent à résoudre deux enjeux :
- L’utilisation des données pour améliorer les soins : Les unités de soins intensifs contiennent une masse importante de données qui pourraient être exploitées pour concevoir des algorithmes et des modèles d’IA permettant d’améliorer les soins. Ces données sont récoltées sur les patients consentant à ce qu’elles soient utilisées à des fins de recherche, et seront encadrées par un comité éthique.
- Le traitement des données pour soutenir la prise de décision : plusieurs types de données existent dans le monde médical. Il peut s’agir d’examens de laboratoire, de signaux physiologiques, d’images radiologiques ou de notes médicales. L’ensemble de ces contenus seront soumis à de nouvelles méthodes de traitement de données pour soutenir la prise de décision dans les soins.
Ils souhaitent, en prenant en compte ces deux enjeux, élaborer un algorithme performant qui pourra évaluer en temps réel l’état d’un patient ainsi que son niveau de détresse. Les chercheurs veulent également que le modèle puisse réduire les taux de réadmission aux soins intensifs et gérer le flux des patients entre les unités de soins. L’objectif de cette solution sera d’aider les professionnels de la santé et les gestionnaires à prendre plus rapidement des décisions dans un contexte de soins.
Seconde chaire : sur l’IA et la santé numérique pour le changement des comportements de santé
Dans le cadre de cette seconde chaire, une problématique a été évoquée : “Comment peut-on aider les personnes à suivre un plan de traitement ou à adopter des habitudes de santé plus saines lorsqu’elles recourent à un service de santé en ligne sans intervention humaine ?”. C’est pour répondre à cette question que Éric Granger et Simon Bacon, professeur en psychologie comportementale de l’université Concordia et chercheur au Centre de recherche du CIUSSS du Nord de l’île de Montréal, travailleront conjointement.
L’équipe de recherche souhaite développer un algorithme qui pourra interpréter le langage non verbal des utilisateurs qui fournissent des indices subtils sur l’ambivalence d’une personne, peu souvent prise en compte lors d’une intervention en ligne. Ainsi, les services de soins auraient la possibilité d’adapter ses actions pour qu’elles soient adaptées à l’état émotif de l’utilisateur. Deux axes de travail sont à privilégier selon les experts :
- Les chercheurs analyseront une quantité importante de données multimodales provenant de vidéos. Des modèles de deep learning assigneront un état émotif à une combinaison de données visuelles ou sonores regroupant l’intonation de la voix, la gestuelle, la posture ou l’expression du visage.
- Ils chercheront à améliorer les réseaux de neurones profonds (DNN) pour qu’ils puissent reconnaitre plus facilement des expressions. Selon l’ÉTS, les DNN ont tendance à se dégrader lorsqu’il existe un nombre réduit de données et une diversité de sources.
L’ensemble de ces recherches aura pour but de mettre en place des interventions adaptées qui auront une incidence sur les comportements en santé qui peuvent représenter l’augmentation des maladies chroniques non transmissibles.
