Par Jonathan Woods
Le parcours de cinq ans d'AI Vali, de l'idée à l'essai clinique d'AIDREA, son dispositif de détection du cancer basé sur l'IA, a nécessité que la jeune entreprise torontoise développe une nouvelle technologie répondant aux normes techniques et réglementaires strictes du secteur de la santé, notamment en matière de confidentialité des données des patients.
« Notre objectif est d'aider les cliniciens à améliorer la précision de leurs diagnostics le plus tôt possible afin que les patients puissent bénéficier du traitement le plus rapidement possible », explique Azar Azad, cofondateur et PDG d'AI Vali.
Mais l'entraînement de modèles dans le domaine de la santé représente un défi. Cet entraînement nécessite des ensembles de données vastes et variés provenant de plusieurs institutions, mais les hôpitaux hésitent à partager les données des patients, car pratiquement tout risque de compromission est jugé inacceptable.
Pour résoudre ce problème – obtenir suffisamment de données sans que les hôpitaux aient à les partager – il fallait une solution d'IA avancée. Pour la trouver, AI Vali s'est tournée vers la collaboration avec Vector.
« Honnêtement, notre collaboration avec Vector a complètement façonné notre approche des prochaines étapes en matière de réglementation, de stratégie de marque et de produit en tant qu'outil de diagnostic. »
AIDREA utilise la vision par ordinateur pour analyser en temps réel les images vidéo lors des endoscopies, une procédure qui consiste à insérer un tube flexible muni d'une caméra dans l'œsophage du patient afin de permettre aux médecins d'observer l'intérieur de la gorge. L'objectif est « d'aider les cliniciens à améliorer la précision du dépistage précoce de maladies comme le cancer, tout en optimisant le flux de travail des cliniques et en réduisant le temps d'attente des patients », explique Azad.
Avant de se lancer dans l'entrepreneuriat, en se concentrant sur les dispositifs médicaux afin d'améliorer les soins aux patients, elle occupait le poste de directrice des services de recherche et de médecine personnalisée. Son expérience lui conférait une grande maîtrise de la recherche clinique et la capacité d'identifier les opportunités offertes par la technologie. Pour concrétiser AIDREA, Azad avait besoin d'experts connaissant parfaitement les dernières avancées en intelligence artificielle. Son idée a été incubée au sein de NEXT AI, puis au Creative Destruction Lab, où l'un des conseillers du programme, Graham Taylor, également professeur et chef de projet chez Vector, a suggéré à l'entreprise de collaborer avec Vector.
En tant que participant au programme FastLane de Vector, destiné aux PME utilisant déjà l'IA ou prêtes à le faire, Azad a découvert le camp d'entraînement PETs (Techniques d'amélioration de la confidentialité) de Vector. Ce programme intensif, axé sur les méthodes de pointe d'entraînement des modèles dans le respect des exigences strictes en matière de confidentialité, propose des tutoriels sur les techniques avancées de protection de la vie privée et une formation technique complète permettant à l'équipe d'AI Vali de se familiariser avec les ressources. Pendant trois jours, les participants mettent ensuite en pratique ces techniques et ressources pour développer un prototype répondant à l'un de leurs cas d'usage concrets.
« On faisait face à un gros problème et on avait besoin d'une solution fiable. Les conseillers du camp d'entraînement nous l'ont apportée et nous ont présenté une solution qu'on pouvait utiliser. »
Pour AI Vali, le tout premier tutoriel a été une révélation.
Azad et Rohini Gaikar, ingénieure en apprentissage machine chez AI Vali, ont découvert l'apprentissage fédéré horizontal, une technique permettant à plusieurs organisations d'entraîner collaborativement un modèle unique sans jamais avoir à partager leurs données. Voici comment cela fonctionne dans le domaine de la santé : chaque hôpital utilise ses données pour entraîner son propre modèle. Ces modèles entraînés sont ensuite envoyés à un serveur central, qui les regroupe et met à jour les paramètres d'un modèle global. Ce modèle global est ensuite renvoyé à chaque hôpital pour être peaufiné par un nouvel entraînement. Au fil de plusieurs cycles, le modèle global atteint le niveau de précision requis et, surtout, sans qu'aucune donnée patient ne quitte l'infrastructure sécurisée des hôpitaux.
« Pour convaincre un hôpital de participer à un essai clinique, je dois lui expliquer que l'intelligence artificielle est utilisée, mais sans aucun risque pour la confidentialité de ses données », explique Azad. « Après avoir découvert l'apprentissage fédéré, nous avons contacté deux hôpitaux, leur avons présenté nos objectifs et obtenu leur accord pour participer à notre essai. »
« Pour ça, j'attribue une grande partie du mérite à Vector », dit-elle.
Cette technique est maintenant intégrée à AIDREA, l'entreprise s'efforçant d'atteindre trois objectifs majeurs en matière de santé : la certification ISO, l'approbation de Santé Canada et un essai clinique de la FDA prévu pour début 2023.
Pour Azad, l'aspect le plus stimulant, au-delà de la commercialisation imminente, réside dans la possibilité d'améliorer le travail des cliniciens et la santé des patients. « Cela a un impact sur l'ensemble du système de santé : sur l'hôpital, le système de santé, la qualité de vie du patient et le coût de sa prise en charge. »
Prêt à faire passer votre startup à l'échelle supérieure ?
Rejoignez plus de 250 startups canadiennes qui ont accéléré la commercialisation de leur IA grâce à FastLane. Obtenez des conseils d'experts, des meilleurs talents en IA et un accès aux principaux investisseurs en capital-risque.
