Les modèles d’IA sont appliqués à tous les jeux de données possibles, mais leurs résultats sont inconsistants. C’est aussi vrai dans le monde médical qu’ailleurs, mais une start-up appelée Piramidal pense avoir une solution solide grâce à un modèle de base pour l’analyse des données de balayage cérébral. Les cofondateurs, Dimitris Sakellariou et Kris Pahuja, ont remarqué que la technologie de l’électroencéphalographie (EEG), bien que largement utilisée dans les hôpitaux, est fragmentée entre de nombreux types de machines et requiert des connaissances spécialisées pour son interprétation. Un logiciel capable de signaler de manière constante les motifs inquiétants, quel que soit le moment, le lieu ou le type d’équipement, pourrait améliorer les résultats pour les personnes souffrant de troubles cérébraux, tout en allégeant la charge des infirmiers et des médecins surmenés.
“Dans l’unité de soins intensifs en neurologie, il y a des infirmières qui surveillent réellement le patient et recherchent des signes sur l’EEG. Mais parfois, elles doivent quitter la pièce, et il s’agit de conditions aiguës,” a déclaré Pahuja. Une lecture anormale ou une alarme pourrait signifier une crise d’épilepsie, ou un accident vasculaire cérébral, ou autre chose – les infirmières n’ont pas cette formation, et même les médecins spécialistes peuvent reconnaître l’un mais pas l’autre. Les deux ont créé l’entreprise après avoir travaillé pendant des années sur la faisabilité des outils computationnels en neurologie. Ils ont constaté qu’il est tout à fait possible d’automatiser l’analyse des données EEG de manière bénéfique pour les soins, mais qu’il n’y a pas de moyen simple de déployer cette technologie là où elle est nécessaire.
“J’ai de l’expérience dans ce domaine, et je veux dire que j’ai été assis à côté de neurologues dans la salle d’opération pour comprendre exactement pourquoi ces ondes cérébrales sont utiles et comment nous pouvons construire des systèmes computationnels pour les identifier,” a déclaré Sakellariou.
“Elles sont utiles dans de nombreux contextes, mais chaque fois que vous utilisez un dispositif EEG, vous devez reconstruire tout le système pour ce problème spécifique. Vous devez obtenir de nouvelles données, vous devez faire annoter les données par des humains à partir de zéro.” Cela serait déjà assez difficile si chaque système EEG, chaque configuration informatique hospitalière et chaque format de données étaient les mêmes, mais ils varient largement dans les éléments les plus basiques, comme le nombre d’électrodes sur la machine et leur emplacement.
Les fondateurs de Piramidal croient – et prétendent savoir, bien que cette culmination de leur travail ne soit pas encore publiée – qu’un modèle de base pour les lectures d’EEG pourrait permettre la détection des motifs d’ondes cérébrales susceptibles de sauver des vies à partir de n’importe quelle machine, plutôt qu’après des mois d’études. Pour être clair, il ne s’agit pas d’une plateforme médicale universelle – une analogie plus proche serait peut-être la série Llama de Meta, une série de modèles (relativement) ouverts, qui assument le coût initial de création de la capacité de base de compréhension de la langue. Que vous construisiez un bot de chat pour le service client ou un ami numérique dépend de vous, mais aucun des deux ne fonctionne sans la capacité fondamentale de comprendre le langage humain. Mais les modèles d’IA ne se limitent pas à la langue – ils peuvent être formés pour travailler dans la dynamique des fluides, la musique, la chimie, et plus encore. Pour Piramidal, la “langue” est l’activité cérébrale, telle que lue par les EEG, et le modèle résultant serait en théorie capable de comprendre et d’interpréter des signaux de n’importe quelle configuration, de n’importe quel nombre d’électrodes ou de modèle de machine, et de n’importe quel patient. Personne n’en a encore construit un – du moins, pas publiquement.
Bien qu’ils aient pris soin de ne pas surestimer leurs progrès actuels, Sakellariou et Pahuja ont déclaré : “Nous avons construit le modèle de base, nous avons mené nos expériences sur celui-ci, et nous sommes maintenant en train de produire le code de base pour qu’il soit prêt à être étendu à des milliards de paramètres. Il ne s’agit pas de recherche – dès le premier jour, il a été question de construire le modèle.”
