Le jeudi 08 janvier,
le BPH accueillait le responsable du pôle IA de l’Inserm, Hugues Berry.
Toute l’après-midi, des membres de nos équipes ont pu
évoquer la place de l’intelligence artificielle dans leurs travaux.
Une belle occasion de discuter de ce nouvel outil sous ses diverses applications
et des avantages que peut apporter son utilisation

 

 

 

 

 

 

 

---

Hugues Berry : une expertise reconnue entre IA et recherche en santé

 

Hugues Berry est responsable du pôle IA et numérique au sein de l’Inserm, dont l’objectif est de mieux intégrer l’intelligence artificielle dans la recherche.
Ce pôle accompagne les chercheurs et leurs équipes dans l’utilisation de l’IA, pour répondre à leurs besoins et leur fournir des solutions, rendre les données et les infrastructures de calcul plus accessibles, tout en transmettant les bonnes pratiques.
Les questions et problématiques liées à l’éthique dans l’utilisation de l’IA sont au cœur du travail de Hugues Berry.

 

Son parcours illustre une expertise reconnue :
D’abord responsable de la modélisation dans un laboratoire de biologie cellulaire, puis chercheur à l’Inria, où il utilisait déjà des modèles informatiques et mathématiques pour étudier la dynamique intracellulaire par modélisation. Il a, par la suite, continué de se spécialiser dans la modélisation, mais cette fois-ci en neurosciences.

 

À l’Inria, il a occupé des fonctions telles qu’adjoint du directeur scientifique pour la biologie et la santé numérique, mais aussi vice-président de la Commission d’évaluation. Il a également contribué à des programmes structurants comme le PEPR Santé Numérique et piloté des projets de recherche orientés vers les applications de l’intelligence artificielle, en particulier pour la recherche de médicaments. Depuis 2023, il est par ailleurs responsable de l’équipe-projet Inria AIstroSight.

 

Très investi, il contribue aujourd’hui à plusieurs instances nationales, dont le comité spécialisé de l’Inserm pour les technologies de santé (CSS7) et le CESREES du Health Data Hub. Parallèlement, il officie en tant que section editor (Neurosciences) de la revue PLoS Computational Biology.

---

 

 

Au BPH, de nombreux chercheurs intègrent aujourd’hui l’intelligence artificielle dans leurs travaux. 

 

 

Retour sur une demi-journée inspirante autour de l’IA en santé publique au Bordeaux Population Health, en présence de Nicolas Roussel directeur du centre Inria de Bordeaux et Hélène Jacquet conseillère sur l’usage de l’intelligence artificielle dans les activités de l’université de Bordeaux  qui étaient invités et participaient également aux échanges.

 

 

 

 

Au programme

 

Au programme de cette visite des applications d’IA couvrant déjà le continuum de la recherche en santé publique du centre, du diagnostic clinique à la modélisation épidémiologique, en passant par la génétique, l’analyse de données longitudinales, les revues systématiques de la littérature et l’organisation des soins.

Avec notamment des travaux présentés dans les axes suivants :

 

Imagerie médicale et diagnostic

Plusieurs équipes mobilisent l’IA pour extraire de l’information à haute valeur ajoutée à partir d’images médicales.
• Ophtalmologie (LEHA) : algorithmes du diagnostic à la prédiction pour l’analyse d’images rétiniennes et le suivi des patients.
• Tuberculose dans les pays du Sud (GHIGS) : analyse d’images pour le diagnostic, avec un focus sur l’implémentation et l’évaluation en contexte de ressources limitées.
• Cancer du sein (BIOSTAT) : réseaux de neurones profonds appliqués à des données longitudinales d’images pour prédire le risque de cancer.

 

Génétique, modèles mixtes et données longitudinales

L’IA est utilisée pour mieux exploiter des données complexes de génétique et de suivi dans le temps.
• Génétique (ELEANOR) : apprentissage automatique pour décoder l’impact de variants génétiques sur la traduction des ORF.
• Modèles mixtes (BIOSTAT) : enrichissement de la méthodologie des modèles mixtes par des réseaux de neurones pour l’analyse longitudinale.

 

Personnalisation des interventions et modélisation

Les équipes explorent l’IA pour adapter les interventions et améliorer la compréhension des dynamiques de santé.
• Cognition et vieillissement (ACTIVE) : méthodes automatiques d’individualisation des programmes d’entraînement cognitif chez les personnes âgées sans démence, pour en augmenter l’efficacité.
• Vaccinologie et épidémiologie (SISTM) : modélisation hybride en vaccinologie et reservoir computing appliqué aux modèles épidémiques.

 

Fouille documentaire et graphes de connaissances

Des approches d’IA s’appliquent aussi à la gestion et à la structuration de l’information scientifique et des données de santé.
• Recherche bibliographique (PHARES) : IA pour la recherche documentaire et l’extraction d’information volumineuse.
• Graphes de connaissances (AHEAD) : construction et usage de graphes pour l’explicabilité, la réutilisation secondaire des données de santé et des usages locaux ou fédérés.

 

Organisation des soins et IA responsable

Enfin, le programme met en avant l’usage de l’IA pour transformer l’organisation des soins et les prises de décision.
• Urgences (AHEAD) : « réinventer les urgences » pour plus d’équité, de sécurité et de performance grâce à une IA responsable.

 

 

Nos équipes ont montré comment l’IA devient un outil à tester pour mieux diagnostiquer, prédire, comprendre… et décider en santé publique.

 

Une dynamique s’installe dans notre centre de recherche avec aussi un souci d’une recherche d’une IA responsable notamment du point de vue environnemental, mais aussi  intégrée aux politiques des établissements et de protection des données. Et si ce nouvel outil réinvente la façon de faire de la recherche et de traiter des données, il doit faire preuve d’une évaluation critique de ses performances.