17 janvier 2023
Par Jonathan Woods
Le parcours de cinq ans de A.I. Vali, de l'idée à l'essai clinique d'AIDREA, son dispositif de détection du cancer alimenté par l'IA, a obligé la startup basée à Toronto à développer une nouvelle technologie conçue pour répondre aux normes techniques et réglementaires strictes du secteur de la santé, notamment en ce qui concerne la confidentialité 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 bénéficier du traitement le plus rapidement possible", déclare Azar Azad, cofondateur et PDG de A.I. Vali.
Mais la formation de modèles dans le domaine de la santé est un défi. La formation nécessite des ensembles de données vastes et variés provenant de plusieurs institutions, mais les hôpitaux sont réticents à partager les données des patients, car pratiquement tout risque pouvant conduire à leur compromission est considéré comme inacceptable.
La résolution de cette énigme - obtenir suffisamment de données sans que les hôpitaux aient à les partager - nécessitait une solution d'IA avancée. Pour la trouver, l'I.A. Vali s'est tournée vers la collaboration avec Vector.
"Honnêtement", déclare Azad, "notre collaboration avec Vector a complètement façonné notre approche des prochaines étapes de la réglementation, de l'image de marque et du produit en tant qu'outil de diagnostic."
AIDREA utilise la vision par ordinateur pour fournir une analyse d'images vidéo en temps réel pendant les endoscopies, une procédure qui consiste à insérer un tube flexible monté sur une caméra dans l'œsophage d'un patient pour permettre aux médecins de voir l'intérieur de la gorge. L'objectif est "d'aider les cliniciens à améliorer la précision de 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 M. Azad.
Elle a précédemment occupé le poste de directrice des services de recherche et de la médecine personnalisée avant de se lancer sur la voie de l'entrepreneuriat, en mettant l'accent sur les dispositifs médicaux, afin d'améliorer les soins aux patients. Le parcours d'Azad lui a permis de maîtriser la recherche clinique et d'identifier les possibilités de tirer parti de la technologie. Ce dont Azad avait besoin pour faire d'AIDREA une réalité, c'était d'experts disposant d'une feuille de route dans l'état de l'art de l'IA. Son idée a été incubée au sein de NEXT AI, puis du Creative Destruction Lab, où l'un des conseillers du programme, Graham Taylor, qui était également membre du corps enseignant et chef de projet chez Vector, a suggéré que l'entreprise s'associe à Vector.
En tant que participant au programme FastLane de Vector, destiné aux petites et moyennes entreprises qui utilisent actuellement l'IA ou qui sont prêtes à le faire, Azad a découvert le bootcamp des techniques d'amélioration de la confidentialité (PET) de Vector. Il s'agit d'un programme intensif axé sur les méthodes de pointe permettant de former des modèles tout en respectant des exigences strictes en matière de protection de la vie privée. Le bootcamp propose des didacticiels sur les techniques avancées de protection de la vie privée et un accueil technique entièrement guidé qui met en place des ressources pour l'équipe de Vector. Ensuite, pendant trois jours, les participants utilisent les techniques et les ressources pour construire un prototype pour l'un de leurs propres cas d'utilisation commerciale réelle.
Pour A.I. Vali, le tout premier tutoriel a été une révélation. "Nous étions coincés avec un problème majeur et nous avions besoin d'une solution fiable", explique Azad. "Les conseillers du bootcamp nous ont fourni cela et ont présenté une solution que nous pouvions utiliser".
Azad et Rohini Gaikar, ingénieur en apprentissage machine chez A.I. Vali, ont été initiés à l'apprentissage fédéré horizontal, une technique qui permet à plusieurs organisations d'entraîner en collaboration 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 former un modèle de son côté. Ces modèles formés sont ensuite envoyés à un serveur central, qui les agrège et met à jour les paramètres d'un modèle global. Ce modèle global est ensuite renvoyé à chaque hôpital pour être affiné par une nouvelle formation. Au fil de ces nombreux cycles, le modèle global atteint le niveau de précision requis et, surtout, sans que les données des patients ne quittent jamais l'infrastructure sécurisée de l'hôpital.
"Pour convaincre un hôpital de participer à un essai, je dois communiquer sur le fait que vous faites intervenir l'IA, mais sans aucun risque pour la confidentialité de vos données", explique Azad. "Après avoir entendu parler de l'apprentissage fédéré, nous avons discuté avec deux hôpitaux, expliqué à un haut niveau ce que nous voulions faire, et obtenu leur accord pour participer à notre essai."
"Pour cela, je donne un crédit important à Vector", dit-elle.
La technique est maintenant intégrée dans AIDREA, alors que l'entreprise s'efforce de franchir trois étapes importantes dans le domaine de la santé : La certification ISO, l'approbation de Santé Canada et un essai clinique de la FDA prévu pour début 2023.
Pour Azad, encore plus excitant que d'être sur le point d'être commercialisé 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 prise en charge du patient."
Pour en savoir plus sur le programme FastLane de Vector , cliquez ici.