Par Jonathan Woods

Le parcours de cinq ans d'A.I. Vali, de l'idée à l'essai clinique pour 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 dans le domaine de la santé - en particulier en ce qui concerne la protection de 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", déclare Azar Azad, cofondateur et PDG d'A.I. Vali.

Mais la formation de modèles dans le domaine de la santé est un défi. La formation nécessite des ensembles de données importants 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 une collaboration avec Vector.

AIDREA utilise la vision par ordinateur pour fournir une analyse d'image 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 d'examiner l'intérieur de la gorge. L'objectif est "d'aider les cliniciens à améliorer la précision de la détection précoce des maladies, telles que 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 dans l'entrepreneuriat, en se concentrant sur les dispositifs médicaux, afin d'améliorer les soins aux patients. L'expérience d'Azad lui a permis de maîtriser la recherche clinique et d'identifier les possibilités de tirer parti de la technologie. Pour faire d'AIDREA une réalité, Azad avait besoin d'experts disposant d'une feuille de route sur l'état de l'art en matière d'IA. Son idée a été incubée dans NEXT AI, puis dans le Creative Destruction Lab, où l'un des conseillers du programme, Graham Taylor, qui était également membre de la faculté et chef de projet chez Vector, a suggéré à l'entreprise de s'associer 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 pris connaissance de l'atelier d'initiation aux techniques d'amélioration de la protection de la vie privée (PETs) de Vector. Il s'agit d'un programme intensif axé sur les méthodes de pointe permettant d'entraîner des modèles tout en respectant des exigences strictes en matière de protection de la vie privée. Le camp d'entraînement propose des tutoriels sur les techniques avancées de protection de la vie privée et une formation technique entièrement guidée qui met en place des ressources pour l'équipe d'A.I. Vali. 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 réels.

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

Azad et Rohini Gaikar, ingénieur en apprentissage automatique chez A.I. Vali, ont été initiés à l'apprentissage horizontal fédéré, une technique qui peut permettre à plusieurs organisations de former 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 entraînés 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 un nouvel entraînement. Au fil des cycles, le modèle global atteint le niveau de précision requis, et ce, sans que les données des patients ne quittent l'infrastructure sécurisée de l'hôpital.

"Pour convaincre un hôpital de participer à un essai, je dois lui faire comprendre que l'on fait appel à l'IA, mais sans risque pour la confidentialité des données", explique M. 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 reconnais le mérite de Vector", dit-elle.

La technique est maintenant intégrée à AIDREA, alors que l'entreprise s'efforce de franchir trois étapes importantes dans le domaine de la santé : Certification ISO, approbation de Santé Canada et essai clinique de la FDA prévu pour début 2023.

Pour M. Azad, la possibilité d'améliorer le travail des cliniciens et la santé des patients est encore plus excitante que le fait d'être sur le point d'être commercialisé. "Cela a un impact sur l'ensemble de l'économie de la santé - pour l'hôpital, le système de santé, la qualité de vie du patient et le coût de la prise en charge du patient.