Thèmes
Intelligence Artificielle et Apprentissage Profond
L’essor rapide de l’apprentissage profond, porté par une mobilisation scientifique et financière massive, s’appuie sur la synergie entre le Big Data, la puissance de calcul des GPU et l’innovation algorithmique. Cette technologie révolutionne des domaines cruciaux comme la santé, où elle permet des diagnostics précoces, et l’environnement, via l’optimisation énergétique. En tant qu’unité spécialisée en modélisation, UMMISCO participe activement à cette dynamique en développant des solutions innovantes pour lever les verrous méthodologiques liés à la complexité des modèles. Cet engagement se traduit par le pilotage de nombreux projets d’envergure nationale et internationale, comme DeepECG4U ou Ecol+. Ces recherches multidisciplinaires couvrent des enjeux variés allant de la biodiversité aux sciences sociales, confirmant le rôle de l’IA comme vecteur de progrès durables.
Applications & Impacts
DeepECG4U (apprentissage profond et translationnel pour l’analyse des électrocardiogrammes)
DeepIntegromics (apprentissage profond et intégratif des données omiques)
DeepECG4U(apprentissage profond et translationnel pour l’analyse des électrocardiogrammes)
DeepECG4U (apprentissage profond et translationnel pour l’analyse des électrocardiogrammes)
Il s’agit d’un des nombreux projets translationnels (au sens où ils ont vocation à être utilisé en routine par les médecins) ayant pour objectif le développement de modèles profonds robustes et interprétables pouvant identifier les patients à risque de faire des arythmies telles que les torsades-de-pointes, qui peuvent entraîner une mort subite. Ce programme a engendré de nombreuses collaborations nationales et internationales au Nord (France, Italie, Etats Unis, Pays Bas …) et au Sud (Sénégal, Albanie) et a pour objectif de valider les modèles profonds dans le cadre d’études cliniques.
DeepIntegromics (apprentissage profond et intégratif des données omiques)
Il s’agit d’un projet stratégique permettant de traiter de nombreux objectifs de la modélisation IA vus § 2.2.2. Ce projet, mené en collaboration avec des équipes cliniques de SU, vise à exploiter l’apprentissage profond pour identifier les phénotypes des patients à partir de données cliniques et omiques, et se concentre sur le défi d’apprendre à partir de données métagénomiques brutes. Une innovation clé du projet est l’adoption d’une cascade de classeurs, une approche séquentielle où les modèles de machine learning s’alimentent les uns les autres avec des données de plus en plus coûteuses, utilisées uniquement lorsque nécessaire pour affiner les prédictions ou classifications. Cette méthode permet une analyse plus précise et interprétable, réduisant les coûts en ne recourant à des données onéreuses que lorsqu’elles sont indispensables pour améliorer la prédiction. Cette stratégie s’est révélée par exemple pertinente pour améliorer la prise en charge de patients souffrant de maladies cardiométaboliques.
DeepECG4U(apprentissage profond et translationnel pour l’analyse des électrocardiogrammes)
Il s’agit d’un des nombreux projets translationnels (au sens où ils ont vocation à être utilisé en routine par les médecins) ayant pour objectif le développement de modèles profonds robustes et interprétables pouvant identifier les patients à risque de faire des arythmies telles que les torsades-de-pointes, qui peuvent entraîner une mort subite. Ce programme a engendré de nombreuses collaborations nationales et internationales au Nord (France, Italie, Etats Unis, Pays Bas …) et au Sud (Sénégal, Albanie) et a pour objectif de valider les modèles profonds dans le cadre d’études cliniques.
Illustration Interactive du Thème
Animation
L’animation scientifique de ce thème aura pour objectif de favoriser et fluidifier les échanges entre des chercheurs de différentes disciplines ou différents centres géographiques. Le thème financera des projets transdisciplinaires ou inter-centres à travers un appel à projet annuel en coordination avec les autres thèmes. Le thème participera à la dissémination des savoirs via des formations (Master, PDI) et séminaires avec les différents partenaires de l’unité, en particulier autour du Deep Learning. Enfin le thème mettra aussi en place un cycle de séminaires permettant aux membres du thème d’échanger sur les avancées dans le domaine de l’IA qui suivent un rythme effréné. Ce thème compte par ailleurs un grand nombre de membres, dont des doctorants, stagiaires, post-doctorants et des jeunes chercheurs de tous les centres. Cela augmente le dynamisme de l’unité mais requiert aussi des besoins d’animation scientifique spécifiques. Ainsi, depuis 2022, une animation consistant à des séminaires hebdomadaires réunissant des chercheurs, doctorants et post-doctorants du thème a déjà lieu avec une trentaine d’occurences par an. Cette dynamique forte d’animation sur des sujets méthodologiques ainsi qu’une veille scientifique, se poursuivra dans la nouvelle édition de l’unité. Elle reste complémentaire des réunions internes à chaque projet en lien avec les partenaires.