Par: Krista Davidson
2 Fév, 2022
Exploration de l’inconnu
02 février 2022
Les membres du CIFAR mettent à profit les connaissances en astronomie pour cartographier le parcours de la neurodégénérescence dans le cerveau humain.
Comme la complexité du cerveau est aussi profonde et énigmatique que le cosmos, une équipe de scientifiques du CIFAR a décidé de mettre à profit des techniques d’intelligence artificielle (IA) utilisées habituellement pour détecter les étoiles afin de repérer la neurodégénérescence dans le cerveau.
Le projet a germé lors d’une réunion du CIFAR où des chercheurs interdisciplinaires examinaient l’utilisation d’algorithmes puissants dans des applications spatiales et sanitaires. Les méthodes employées par les astronomes pour cartographier les étoiles dans le ciel pourraient aider les neuroscientifiques à repérer les manifestations macroscopiques de maladies neurodégénératives telles que la maladie de Parkinson et la SLA bien avant que les patients ne présentent des symptômes. Plus encore, cette méthode s’avère très prometteuse pour percer les mystères de l’intelligence humaine et de l’intelligence artificielle.
« En prévision d’une réunion du CIFAR, je me suis retrouvée à étudier des images de l’Univers et je me suis rendu compte qu’elles ressemblaient beaucoup à mes images de microscopie du cerveau. Dans les deux cas, l’enjeu était très similaire : tenter d’identifier des objets difficiles à repérer », explique Flavie Lavoie-Cardinal, professeure adjointe à l’Université Laval et titulaire de la Chaire de recherche du Canada en nanoscopie intelligente de la plasticité cellulaire.
« Je me suis dit que la clé pour comprendre l’un était peut-être de comprendre l’autre — l’infiniment petit semble bien s’accorder avec l’infiniment grand », dit-elle.
Ce fut un moment d’illumination qui a mené à la création d’une équipe composée de Lavoie-Cardinal, de Renée Hložek, membre du programme des chercheurs mondiaux CIFAR-Azrieli, ainsi que d’Audrey Durand et Christian Gagné, titulaires d’une chaire en IA Canada-CIFAR de Mila. L’équipe a présenté avec succès une demande au programme des fonds Catalyseur du CIFAR qui finance des projets audacieux à risque élevé dès les premiers stades de la recherche.
« L’infiniment petit semble bien s’accorder avec l’infiniment grand. »
L’objectif du projet est de détecter la neurodégénérescence afin que les professionnels de la santé puissent pratiquer une médecine préventive plutôt qu’une médecine curative, mais Lavoie-Cardinal, Hložek, Gagné et Durand estiment que ces travaux ont le potentiel de faire progresser leurs domaines de recherche.
« Les fonds Catalyseur du CIFAR convenaient parfaitement à ce type de collaboration, car ils nous ont permis de démarrer rapidement et de nous prouver que nous pouvions réussir », explique Hložek, professeure adjointe d’astrophysique à l’Institut Dunlap du département d’astronomie et d’astrophysique de l’Université de Toronto. Hložek est également membre du programme des chercheurs mondiaux CIFAR-Azrieli.
L’équipe de Lavoie-Cardinal recueille des échantillons d’images de cultures neuronales primaires provenant de l’hippocampe et du cortex cérébral de souris nouveau-nées. L’équipe procède ensuite à une transfection de l’échantillon, un processus qui consiste à introduire artificiellement une protéine d’ADN dans les neurones de modèles de la maladie de Parkinson ou de la SLA. Ce processus permet également à l’équipe de marquer des protéines d’intérêt dans les neurones avec des molécules luminescentes détectables par microscopie à fluorescence. Des images microscopiques à super-résolution saisissent la structure synaptique avec une résolution dix fois supérieure à celle de la microscopie optique standard, ce qui permet aux scientifiques d’observer des motifs autrement invisibles et de repérer des anomalies potentielles.
Les images présentent de nombreuses similarités avec le type de données obtenues en radio-imagerie d’observation. En astronomie, les scientifiques extraient des signaux de grands volumes de données. Comme ces données sont capturées à partir de télescopes différents, il en résulte des configurations variables du ciel.
« Lorsque vous regardez dans un télescope, vous ne voyez qu’une projection des plus brillants éclairs de lumière dans le ciel. En ce sens, l’astronomie ressemble à la microscopie, car elle vous présente une minuscule cellule à la fois, à l’échelle nanométrique », explique Hložek.
Les systèmes basés sur l’IA réussissent à cerner des motifs avec grande efficacité, mais les anomalies cérébrales ne répondent à aucun motif, couleur ou forme discernable. En outre, comme les microscopes introduisent du bruit dans les données, il peut se révéler difficile de distinguer une anomalie cérébrale d’une erreur instrumentale — ce que l’on appelle des données « bruitées ». Il est impossible de procéder à une détection manuelle en raison du nombre d’images cérébrales à saisir pour obtenir une vue d’ensemble de la structure et de la fonction synaptiques du cerveau.
Les défis sont semblables en astronomie dans la mesure où les télescopes introduisent également des données bruitées dans leurs images, mais les astronomes ont pu recourir à l’apprentissage automatique pour entraîner les systèmes quant aux paramètres nécessaires pour éliminer les données non pertinentes trouvées dans le ciel.
les plus touchés par la maladie de Parkinson — ainsi que
la protéine postsynaptique PSD95 (vert) et la protéine
présynaptique Bassoon (rouge).
« L’apprentissage automatique est utile dans ce projet, car il permet d’automatiser les processus pour repérer les variations dans les données. Il peut détecter des motifs et de nouvelles structures, favorisant la découverte de connaissances », explique Christian Gagné, professeur titulaire au département de génie électrique et informatique de l’Université Laval et directeur de l’Institut intelligence et données.
Les méthodes fondées sur l’apprentissage automatique utilisées par les astronomes pour détecter les images transitoires dans l’Univers pourraient constituer la percée nécessaire pour les neurosciences, mais elles peuvent aussi faire progresser nos connaissances sur l’intelligence artificielle. Bien que l’apprentissage automatique maîtrise désormais les tâches liées à la découverte de motifs, il éprouve des difficultés, tout comme l’être humain, à faire face à l’inconnu.
Durand et Gagné recourent à des méthodes traditionnelles et non traditionnelles, notamment les réseaux neuronaux convolutifs, un réseau d’apprentissage profond utile pour repérer les motifs et éliminer les données non pertinentes, et les réseaux antagonistes génératifs (GAN), un cadre où deux algorithmes s’affrontent dans le but de « gagner » tout en recueillant des données importantes sur leur tâche et en améliorant leurs performances sans directives explicites.
« Ce projet pourrait transformer le mode d’apprentissage des machines », affirme Durand, professeur adjoint en génie informatique et logiciel à l’Université Laval. « Plus nous examinons le comportement des objets à travers différentes images, plutôt que de ne regarder qu’une seule image fixe, plus nous obtenons de données et de renseignements. Ce phénomène est courant en neurosciences et en astrophysique, mais moins fréquent pour les chercheurs en apprentissage automatique qui travaillent dans le domaine de la vision artificielle où de nombreuses tâches reposent sur une seule image. »
« Si nous parvenons à faire en sorte que les algorithmes extraient des concepts sans avoir beaucoup de connaissances sur leur environnement, l’intelligence artificielle se rapprochera beaucoup de l’intelligence humaine », conclut Durand.
« Il y a tant de choses que nous pouvons faire ne serait-ce qu’en neurosciences fondamentales pour comprendre le fonctionnement du cerveau en examinant les anomalies. Ce projet pourrait non seulement approfondir notre compréhension des maladies neurodégénératives en général, mais aussi mettre en évidence des mécanismes moléculaires dans le cerveau », déclare Lavoie-Cardinal.
Pour Hložek, il s’agit de l’occasion de perfectionner les algorithmes utilisés pour détecter les sursauts rapides dans le ciel et de réduire le nombre de fausses détections.
« Ce que nous avons appris jusqu’à présent, c’est que notre contribution à l’avancement des méthodes biologiques nous permet d’éclairer nos décisions en matière d’imagerie en astronomie, ce à quoi je ne m’attendais pas », déclare Hložek.
Articles liés
-
L’équité, la diversité et l’inclusion ne se font pas au détriment de l’excellence en recherche
16 février 2022
-
Un don pour l’avenir
14 février 2022
-
Cinq étoiles montantes : La championne de la santé des enfants
14 février 2022
-
Cinq étoiles montantes : Le chimiste quantique
14 février 2022
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.