Chaire DIAGNOS – IA en imagerie médicale

À propos de la Chaire

La Chaire de recherche DIAGNOS sur l'intelligence artificielle en imagerie médicale se consacre au développement d’algorithmes d’intelligence artificielle pour l’analyse d’images de la rétine. Son objectif est de repousser les limites des technologies actuelles afin de faire de la rétine un véritable outil de santé globale.

Plus précisément, la chaire développe des méthodes d’apprentissage profond capables de détecter et de diagnostiquer plus de 100 maladies oculaires et systémiques à partir d’images rétiniennes abordables. Ces outils permettent aussi une analyse détaillée des vaisseaux sanguins, des lésions et d’autres biomarqueurs subtils, tout en étant performants, robustes et interprétables.

Impacts de la recherche

Au‑delà de l’amélioration des solutions d’IA du partenaire industriel, les travaux de la chaire répondent à des défis majeurs en intelligence artificielle et en imagerie médicale. À terme, ces technologies pourraient être déployées à grande échelle pour le dépistage des populations, favorisant une détection plus précoce et un traitement plus rapide de nombreuses pathologies.

Concrètement, notre programme de recherche permettra de :

Développer de nouveaux modèles d’IA dédiés à la rétine, capables d’apprendre à partir de vastes ensembles de données d’images et de textes non annotés, tout en intégrant les connaissances médicales.

Concevoir des méthodes d’adaptation de ces modèles à la réalité du terrain, afin qu’ils restent fiables même lorsque les conditions changent (nouveaux appareils, nouvelles populations, nouvelles données).

Développer des algorithmes capables de repérer, analyser et illustrer des détails fins dans les images de la rétine, comme les lésions, les vaisseaux sanguins ou autres signes de maladie, pour aider à mieux comprendre ce que voit l’IA et appuyer les décisions médicales.

Intégrer des mécanismes permettant d’indiquer la fiabilité des résultats de l’IA, afin d’offrir aux cliniciens non seulement des prédictions, mais aussi une indication claire du niveau de confiance à leur accorder — un élément clé pour une adoption clinique sécuritaire et à grande échelle.