Par Jonathan Woods

Le parcours de cinq ans d’A.I. Vali, de l’idée à l’essai clinique pour l’AIDREA, son dispositif de détection du cancer alimenté par l’IA, a exigé que la startup torontoise développe une nouvelle technologie conçue pour répondre aux normes techniques et réglementaires strictes en santé – notamment en ce qui concerne la vie privée des patients.

« En fin de compte, notre objectif est d’aider le clinicien à améliorer la précision de son diagnostic le plus tôt possible afin que les patients puissent recevoir le traitement le plus rapidement possible », explique Azar Azad, cofondateur et PDG d’A.I. Vali.

Mais former des modèles dans le domaine de la santé est un défi. La formation nécessite de grands ensembles de données variés provenant de plusieurs institutions, mais les hôpitaux hésitent à partager les données des patients, car pratiquement tout risque pouvant mener à sa compromission est considéré comme inacceptable.

Résoudre cette énigme – obtenir suffisamment de données sans que les hôpitaux les partagent – a nécessité une solution avancée d’IA. Pour le trouver, A.I. Vali s’est tournée vers la collaboration avec Vector.

« Honnêtement, notre collaboration avec Vector a complètement façonné notre approche des prochaines étapes de la réglementation, de la marque et du produit en tant qu’outil de diagnostic. »

Azar Azad

Cofondateur et PDG, A.I. Vali

AIDREA utilise la vision par ordinateur pour fournir une analyse vidéo en temps réel lors des endoscopies, une procédure qui consiste à insérer un tube flexible monté sur une caméra dans l’œsophage du patient pour permettre aux médecins d’observer l’intérieur de la gorge. L’objectif est « d’aider les cliniciens à améliorer la précision dans la détection précoce de maladies, comme le cancer, tout en améliorant le flux de travail des cliniques et en réduisant le temps d’attente des patients », explique Azad.

Elle a auparavant occupé un poste de directrice des services de recherche et de la médecine personnalisée avant de se lancer dans l’entrepreneuriat, en se concentrant sur les dispositifs médicaux, afin d’améliorer les soins aux patients. Le parcours d’Azad lui a donné une aisance en recherche clinique et une capacité à identifier des occasions de tirer parti de la technologie. Ce dont Azad avait besoin pour concrétiser l’AIDREA, c’était d’experts avec une feuille de route à travers l’état de l’art de l’IA. Son idée a été incubée dans NEXT AI puis au Creative Destruction Lab, où l’un de ses conseillers de programme, Graham Taylor, qui était aussi membre du corps professoral et gestionnaire de projet chez Vector, a suggéré à l’entreprise de s’impliquer avec Vector.

En tant que participant au programme FastLane de Vector pour les petites et moyennes entreprises utilisant actuellement l’IA ou prêtes à le faire, Azad a découvert le bootcamp des techniques d’amélioration de la vie privée (PET) de Vector. Un programme intensif axé sur des méthodes de pointe pour l’entraînement des modèles tout en respectant des exigences strictes en matière de confidentialité, le bootcamp offre des tutoriels sur des techniques avancées de confidentialité et une intégration technique complète qui met en place les ressources pour l’équipe d’A.I. Vali. Ensuite, sur trois jours, les participants utilisent les techniques et ressources pour construire un prototype pour l’un de leurs propres cas d’utilisation réels d’affaires.

« Nous étions coincés avec un gros problème et nous avions besoin d’une solution fiable. Les conseillers du bootcamp ont fourni cela et présenté une solution que nous pourrions utiliser. »

Azar Azad

Cofondateur et PDG, A.I. Vali

Pour A.I. Vali, le tout premier tutoriel fut une révélation.

Azad et Rohini Gaikar, ingénieure en apprentissage automatique d’A.I. Vali, ont été initiés à l’apprentissage fédéré horizontal, une technique qui permet à plusieurs organisations d’entraîner collaborativement un seul modèle sans jamais avoir à partager leurs données. Voici comment cela fonctionne en santé : chaque hôpital utilise ses données pour entraîner un modèle de manière autonome. Ces modèles entraînés sont ensuite envoyés à un serveur central, qui les agrège et met à jour les paramètres d’un modèle global. Ce modèle mondial est ensuite renvoyé à chaque hôpital pour un affinement supplémentaire grâce à une formation accrue. Sur de nombreux cycles de ce genre, le modèle mondial atteint la norme de précision requise – et, surtout, le fait sans que les données des patients ne quittent jamais l’infrastructure sécurisée d’un hôpital.

« Pour convaincre un hôpital de participer à un essai, je dois communiquer que vous impliquez de l’IA, mais sans aucun risque pour la confidentialité de vos données », dit Azad. « Après avoir entendu parler de l’apprentissage fédéré, nous avons parlé avec deux hôpitaux, expliqué à un niveau général ce que nous voulions faire, et obtenu leur accord pour participer à notre essai. »

« Pour cela, je donne beaucoup de crédit à Vector », dit-elle.

La technique est maintenant intégrée à l’AIDREA alors que l’entreprise vise une trilogie de jalons en santé : la certification ISO, l’approbation de Santé Canada et un essai clinique de la FDA prévu pour le début de 2023.

Pour Azad, encore plus excitant que d’être à l’aube de la commercialisation est la possibilité d’améliorer le travail des cliniciens et la santé des patients. « Cela a un impact sur l’ensemble de l’économie de la santé – pour l’hôpital, le système de santé, pour la qualité de vie du patient et pour le coût de la gestion des patients. »