7 avril 2026
La rétine est bien plus qu’un organe de la vue : elle constitue un point d’entrée unique pour comprendre la santé globale du corps, du cerveau et du cœur. C’est autour de cette conviction que s’articulent les travaux de la Chaire ÉTS–DIAGNOS en intelligence artificielle et analyse d’images médicales, dirigée par le professeur-chercheur Ismail Ben Ayed à l’ÉTS.
Fruit d’un partenariat entre l’ÉTS et l’entreprise montréalaise DIAGNOS, la Chaire vise à repousser les limites actuelles de l’intelligence artificielle afin d’améliorer le dépistage précoce et le soutien au diagnostic de maladies oculaires, mais aussi de nombreuses maladies systémiques. En exploitant la richesse des images rétiniennes et la puissance de l’IA, ce projet ambitionne de transformer l’imagerie de l’œil en un véritable outil de santé globale, au service d’une médecine plus préventive, personnalisée et accessible.
Un besoin criant de dépistage rapide et fiable
Les maladies de l’œil sont extrêmement répandues : plus de 400 millions de personnes dans le monde sont à risque de cécité. Plusieurs de ces maladies, comme la rétinopathie diabétique, pourraient pourtant être détectées beaucoup plus tôt grâce à de simples images du fond de l’œil. La difficulté tient au fait que le nombre de spécialistes de la vue, tels que les optométristes et ophtalmologistes, demeure limité, et les délais pour obtenir un rendez-vous peuvent permettre à la maladie de progresser avant d’obtenir un examen et un diagnostic.
Dans ce contexte, le triage des patients devient essentiel. L’idée n’est pas de remplacer les spécialistes, mais de leur fournir des outils capables de repérer rapidement les cas prioritaires à partir d’images prises avec des caméras standards, déjà utilisées chez les optométristes et les ophtalmologistes.
Voir plus loin que l’œil
L’ambition de la Chaire ÉTS–DIAGNOS va bien au-delà des maladies de l’œil. Nous partons d’un constat fondamental : l’œil constitue un point d’entrée unique pour comprendre la santé globale du corps, du cerveau et du cœur. La rétine offre un accès direct et non invasif à la microcirculation et au système nerveux, ce qui en fait une source exceptionnelle d’information sur de nombreuses maladies.
Grâce à l’intelligence artificielle appliquée à l’imagerie rétinienne, nous sommes désormais en mesure de détecter plus tôt des signes associés aux maladies oculaires, mais aussi aux maladies liées à l’âge, aux troubles neurologiques dégénératifs, aux maladies systémiques et cardiovasculaires, ainsi qu’aux complications liées à la myopie.
En révélant des biomarqueurs subtils, souvent invisibles à l’œil nu lors des examens traditionnels, ces technologies ouvrent la voie à une médecine plus préventive, plus personnalisée et mieux intégrée aux parcours de soins. L’objectif de la Chaire est clair : « transformer l’imagerie rétinienne en un véritable outil de santé globale, au bénéfice des patients et des systèmes de santé. » rappelle Dr Ismail Ben Ayed, titulaire de la Chaire.
Des algorithmes qui expliquent leurs décisions
Contrairement à certaines approches d’IA perçues comme des « boîtes noires », les algorithmes développés dans le cadre de la Chaire ne se contentent pas de produire un score ou un diagnostic. Ils sont conçus pour être interprétables : ils peuvent indiquer quelles régions de l’image ont motivé une décision, par exemple la présence de lésions spécifiques ou d’anomalies vasculaires.
Ces mécanismes d’interprétabilité sont essentiels pour une adoption clinique. Ils permettent aux experts humains de vérifier, de comprendre et de faire confiance aux recommandations de l’IA. Les modèles sont également capables d’estimer leur incertitude, afin de signaler les cas qui nécessitent une validation approfondie par un spécialiste.
Ismail Ben Ayed, professeur à l’ÉTS
Apprendre avec peu d’annotations, mais beaucoup de données
Un des défis majeurs en imagerie médicale est la rareté des données annotées : chaque annotation nécessite du temps et l’expertise de cliniciens. Pour contourner cet obstacle, l’équipe mise sur des approches d’apprentissage semi-supervisé et faiblement supervisé.
Concrètement, les modèles sont entraînés à partir de centaines de milliers, voire près d’un million d’images de rétine, dont seule une petite fraction est annotée. Les images non annotées proviennent de multiples cliniques et de différents appareils, ce qui rend les modèles plus robustes face aux variations du monde réel.
Les modèles de fondation au cœur du projet
Le projet s’appuie sur les avancées récentes en modèles de fondation, déjà très performants en vision et en traitement du langage. Ces modèles sont d’abord entraînés sur de vastes ensembles de données non annotées afin d’apprendre des motifs généraux : par exemple, en masquant certaines parties d’une image et en demandant au réseau de les reconstruire.
Une fois cette phase terminée, le modèle peut être adapté à des tâches spécifiques, comme la détection d’une maladie précise, à l’aide de seulement quelques centaines d’images annotées. Cette approche réduit considérablement les coûts, tout en améliorant la capacité des systèmes à s’adapter rapidement à de nouveaux contextes, appareils ou populations.
De la recherche au déploiement clinique
Diagnos, partenaire industriel de la Chaire, développe des logiciels destinés aux cliniques d’optométrie et d’ophtalmologie. L’entreprise est actuellement engagée dans des processus d’approbation auprès d’organismes de réglementation tels que la FDA, Santé Canada et les agences européennes.
La recherche menée à l’ÉTS joue un rôle clé pour rendre ces algorithmes performants, robustes, interprétables et acceptables sur le plan clinique, des critères indispensables pour une utilisation réelle en milieu médical.
Des effets concrets sur la santé publique
À terme, ce programme de recherche pourrait transformer le dépistage des maladies oculaires : permettre des dépistages populationnels à faible coût, accélérer les diagnostics, réduire les risques de cécité et même prévenir certaines complications cardiovasculaires. Il pourrait aussi contribuer à réduire les coûts des systèmes de santé.
Ismail Ben Ayed est membre d’itechsanté, l'institut de recherche et d'innovation en technologies pour la santé de l'ÉTS. Pour en savoir plus sur l'institut, sa mission, ses thématiques, ses projets phares et plus encore, visitez itechsanté.
