Par Ian Gormely
Les données sont le carburant des algorithmes d'IA. Mais obtenir des données de qualité et exploitables n'est pas toujours chose aisée. C'est un problème que Bo Wang, membre du corps professoral de Vector, connaît bien.
Pour constituer un ensemble de données médicales (images médicales ou notes cliniques, par exemple) suffisamment important pour permettre le fonctionnement d'un modèle d'apprentissage machine, les chercheurs comme Wang doivent souvent combiner des données provenant de plusieurs hôpitaux. Plus précisément, Wang voulait appliquer le modèle de classification d'images de cancers, collectées dans un groupe d'hôpitaux, à des images cardiaques. Or, les données recueillies par les hôpitaux, ainsi que leurs méthodes de collecte et de tri, varient considérablement d'un hôpital à l'autre, voire d'un service à l'autre. Harmoniser ces données s'est avéré complexe et fastidieux. Il y avait donc une solution plus efficace.
Des méthodes d'adaptation à un seul domaine source – par exemple, le transfert du modèle d'un hôpital à un autre – existaient déjà. Mais, selon lui, « ça néglige des scénarios plus pratiques où les données d'entraînement proviennent de sources multiples ». Il s'est alors demandé : « Peut-on forcer le modèle à être généralisable à différents domaines ? »
L'article « Moment Matching for Multi-source Domain Adaption », coécrit par Xingchao Peng, Qinxun Bai, Xide Xia, Zijun Huang et Kate Saenko, et publié dans les actes de la conférence internationale IEEE sur la vision par ordinateur en 2019, suggère que oui, c'est tout à fait possible. En effet, leur modèle – qu'ils désignent par l'acronyme M3SDA – permet non seulement de fusionner des informations provenant de sources multiples en une seule, mais aussi d'annoter des images Internet non étiquetées, constituant ainsi un ensemble de données de 600 000 images réparties en 345 catégories différentes. « Je pense qu'il s'agit de la plus grande collection d'adaptation de domaine multi-ensembles », affirme Wang.
Et son impact se fait déjà sentir. Lauren Erdman, candidate au doctorat à Vector et à l'hôpital SickKids sous la direction d'Anna Goldenberg, membre du corps professoral de Vector, a découvert l'article lors d'une revue de la littérature. « J'ai tout de suite su que ce serait utile pour mon travail », explique-t-elle, qualifiant l'approche de Wang de « originale ». Erdman utilise présentement l'algorithme de Wang dans deux études. La première utilise M3SDA pour harmoniser les données provenant des appareils d'échographie. La deuxième ajuste l'algorithme – le résultat est une courbe à valeurs continues et l'alignement est proportionnel à la similarité des courbes – afin de cartographier le débit urinaire (miction) et d'en étudier la vitesse, le volume et la durée.
« Nous avons mis au point une approche très simple qui permet d'obtenir de meilleurs résultats », explique Wang, précisant que si son équipe et lui ont testé le modèle en vision par ordinateur, ils entrevoient également un « énorme potentiel » pour les applications médicales, notamment l'analyse d'images médicales. « La plupart des projets d'imagerie médicale actuels souffrent d'un manque d'images annotées et du fait que les modèles entraînés sur les données d'un hôpital ne sont pas directement applicables aux images d'un autre hôpital. Notre méthode a le potentiel de surmonter ces deux limites simultanément. »
