Détection précoce d’une maladie des yeux grâce au machine learning
Pour beaucoup, une visite chez l’ophtalmologue est un rituel familier : faible luminosité, fond d’œil et tableaux. Les enjeux sont importants : les chercheurs estiment qu’au moins 80 % des informations que nous percevons proviennent de notre vision. Avec la cécité, toutes ces informations sont perdues, le monde change à jamais.
Pourtant, les examens traditionnels de fond d’œil sous dilatation réalisés par une personne sont étonnamment peu précis lorsqu’il s’agit de détecter les maladies de la rétine susceptibles de provoquer une déficience visuelle, laquelle touche 253 millions de personnes dans le monde. Cela représente pratiquement une personne sur 20. La détection précoce d’une maladie des yeux est un défi majeur. Or, le processus de dépistage semble avoir urgemment besoin d’une actualisation technologique. Heureusement, une équipe en Espagne est en train de mettre au point une telle actualisation, avec l’aide d’un des plus grands superordinateurs d’Europe.
Pour les patients, la rapidité est essentielle. À l’échelle mondiale, plus d’un quart de milliard de personnes vivent avec une déficience visuelle. Pourtant, 80 % des cas sont évitables. Avec une intervention précoce, le risque de perte de vision sévère est réduit de plus de la moitié.
SOLUTIONS PRÉSENTÉES
Lenovo pour le secteur de la santé
Analyse des données et IA Lenovo
Smarter Edge
Grâce aux ressources informatiques haute performance de Lenovo, le groupe de recherche du Barcelona Supercomputing Center exploite la puissance de l’IA pour créer et améliorer des modèles de machine learning permettant de détecter rapidement différents types de pathologies rétiniennes, du glaucome à la dégénérescence maculaire. Ils parviennent ainsi à transformer un processus de machine learning de six mois en un processus de dix minutes ou moins, avec la possibilité d’aider les ophtalmologues à détecter les signes de maladie rétinienne avec une anticipation inégalée.
« Au lieu de passer six mois à tester différentes architectures réseau et réglages d’hyperparamètres, nous sommes en mesure de concevoir, entraîner et valider la performance d’un modèle de machine learning pour détecter une maladie des yeux en moins de 10 minutes à l’aide des UC, ou en seulement 3 minutes à l’aide des processeurs graphiques », explique le Dr Dario Garcia-Gasulla, le chercheur postdoctoral qui dirige l’équipe au BSC.
Grâce aux technologies Lenovo, le BSC a créé une IA facile à utiliser avec des résultats fantastiques.
— Patrick Moakley, Directeur, Lenovo
Les modèles ont été exécutés sur le cluster informatique haute performance du Centre, le MareNostrum 4. Composé de 3 456 nœuds Lenovo ThinkSystem SD530 équipés de processeurs Intel® Xeon® Platinum, le MareNostrum 4 présente une vitesse de calcul de 11,1 PFLOPS, ce qui indique qu’il peut effectuer 11,1 billiards de calculs de base par seconde.
Même avec la puissance des superordinateurs, la tâche de dépistage des problèmes de rétine est redoutable. Les causes de déficiences visuelles sont multiples. Il y a la rétinopathie diabétique, une lésion des vaisseaux sanguins résultant des complications du diabète ; le glaucome, une lésion du nerf optique ; le nævus, une excroissance semblable à un grain de beauté dans l’œil ; et la dégénérescence maculaire, l’usure de la rétine entraînant une perte de vision au milieu du champ visuel, pour n’en citer que quelques-unes. Les données disponibles étant limitées, il est difficile de former un réseau neuronal basé sur l’IA pour distinguer ces différentes maladies de la rétine.
Une IA facile à utiliser permet de détecter et de traiter les problèmes de vision avec une anticipation jamais atteinte auparavant.
« Pour les pathologies dont les données sont limitées, celles qui comptent moins de 3 000 images par exemple, la formation d’un réseau neuronal profond fiable à partir de zéro n’est pas toujours possible », précise le Dr Garcia-Gasulla.
L’équipe se tourne alors vers l’apprentissage par transfert, un processus qui lui permet d’élaborer de nouveaux modèles plus rapidement et avec moins de données.
« Ainsi, plutôt que de créer et d’entraîner un réseau profond pour chaque type de maladie des yeux, nous pouvons réutiliser notre modèle “de base” et l’entraîner pour qu’il détecte une deuxième pathologie rétinienne, puis entraîner un troisième modèle à détecter un autre type de pathologie, et ainsi de suite. Ceci 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 souhaitent créer un modèle de machine learning, choisir un réseau neuronal préformé à utiliser comme extracteur de caractéristiques, et c’est parti.
Pour Patrick Moakley, directeur du marketing pour le HPC et l’IA au sein du Groupe du centre de données (DCG) de Lenovo, le projet est une fenêtre sur un avenir dans lequel l’IA et le machine learning sont simples et intuitifs.
« Grâce aux technologies Lenovo, le BSC a créé une IA facile à utiliser avec des résultats fantastiques », poursuit Patrick Moakley.
Une IA facile à utiliser permet de détecter et de traiter les problèmes de vision avec une anticipation jamais atteinte auparavant. C’est un pas de plus vers un monde dans lequel les cas de cécité évitables seront justement évités.
CHAÎNE D'APPROVISIONNEMENT
