C'était le jour J pour Tanya Nair. Elle allait valider le système d'organisation des données médicales sur lequel elle planchait depuis des semaines. Quelques minutes après avoir lancé son programme informatique, les données se sont alignées d'un coup. Un succès qui allait faciliter le travail de son équipe.

Des réussites comme celle-là, l'ingénieure de formation en apprentissage machine chez Imagia en a déjà vécu plusieurs au cours de sa jeune carrière.

« Pourtant, ça me surprend encore chaque fois, confie-t-elle en entrevue. C'est très gratifiant de réaliser que ce que je prépare avec quelques données peut ensuite être appliqué à un ensemble de données beaucoup plus grand. »

Et ça ne fait sans doute que commencer.

L'ingénieure de formation s'est jointe à l'équipe d'Imagia plus tôt cette année. Avec elle, elle tente d'accélérer le diagnostic de différents cancers en se servant de l'intelligence artificielle.

L'entreprise mise plus particulièrement sur l'apprentissage machine pour arriver à ses fins. Elle laisse des programmes informatiques identifier à l'intérieur d'images médicales quels sont les signes les plus souvent associés à une tumeur bénigne ou maligne, par exemple.

L'approche est si puissante qu'elle détermine en plus le grade d'une tumeur.

Imagia a déjà fait la preuve de son potentiel pour discriminer les polypes bénins et malins en temps réel pendant une coloscopie. Elle a aussi développé un programme informatique qui reconnaît et segmente les tumeurs hépatiques à partir de simples images de tomodensitométrie.

UN TRAVAIL D'ÉQUIPE

Arriver à pareils succès repose sur le travail de plusieurs experts, selon Mme Nair. « On a ici une équipe multidisciplinaire formée entre autres d'informaticiens, de mathématiciens et de programmeurs, dit-elle. On collabore aussi avec des cliniciens sur le terrain pour bien cerner les problématiques à aborder. »

Au début de chaque projet, son équipe et elle établissent d'abord la liste des facteurs et des biomarqueurs à considérer dans les images qu'on leur présente. Chacune de ces images devra ensuite être annotée afin que le logiciel comprenne ce qu'il voit, puis découvre par lui-même de nouveaux marqueurs dans les images qui auraient échappé jusque-là à l'oeil des spécialistes.

« Une fois que c'est fait, c'est là que j'interviens », ajoute la spécialiste d'Imagia.

« Il existe plusieurs modèles en intelligence artificielle, avec chacun leurs forces et leurs faiblesses. Mon rôle, c'est de choisir quel genre de modèle convient le mieux pour la tâche à exécuter. »

- Tanya Nair

En sélectionnant la meilleure méthode, et en établissant les limites de calcul à l'intérieur desquelles fonctionner, Tanya Nair n'a plus qu'à présenter les images à son logiciel pour qu'il apprenne à discerner, par exemple, les images d'une tumeur maligne de celles d'une tumeur bénigne.

« C'est un processus qui peut prendre quelques heures, mais parfois aussi plusieurs semaines, indique-t-elle. Et on suit le tout en temps réel : lorsque les résultats d'apprentissage plafonnent, on sait que c'est terminé. »

Il résulte de ce travail une longue équation mathématique, un algorithme, façonné de A à Z par l'outil d'intelligence artificielle. C'est cet outil qui servira éventuellement à accélérer le travail de diagnostic de cancer.

Lorsqu'elle réfléchit à ce qu'elle aime le plus dans son travail, Mme Nair souligne d'ailleurs tout de suite son aspect valorisant. « J'ai la chance d'utiliser la science pour avoir un impact important sur la vie des gens, dit-elle. Et pour moi, c'est très gratifiant. »