Search
  • Annonce
  • L'intelligence artificielle

Les chercheurs du CIFAR mettent à profit l’IA dans la lutte contre la COVID-19

by Krista Davidson mai 12 / 20

Le programme des subventions Catalyseur en IA du CIFAR en partenariat avec le Conseil de recherches en sciences naturelles et en génie (CRSNG), le gouvernement de l’Ontario, Microsoft et Génome Canada.

Lancé le 23 mars 2020, le programme octroie au total près de 300 000 $ au profit d’idées et de projets novateurs qui comportent de grands risques, ainsi que de grandes récompenses pour lutter contre la pandémie actuelle de COVID-19. Les subventions Catalyseur sont financées, en partie, grâce à la générosité de la Fondation Max Bell et de nombreux donateurs individuels. 

Voici un exemple des projets de recherche novateurs qui ont été sélectionnés dans le cadre du programme des subventions Catalyseur IA-COVID-19.

line

Une équipe albertaine exploite l’IA pour repérer et protéger les populations vulnérables

L’orientation officielle du gouvernement canadien, qui reflète l’orientation des États-Unis et d’ailleurs, explique que certains groupes – les personnes âgées, ceux qui ont des conditions préexistantes et les immunodéprimés – sont plus à risque de présenter des symptômes graves de la COVID-19.

Selon le spécialiste des données Randy Goebel et la titulaire d’une chaire en IA Canada-CIFAR Martha White, l’analyse de grandes quantités de données exhaustives sur la santé qui incluent les résultats de tests de dépistage de la COVID-19 pourrait permettre de cerner des liens subtils et de repérer d’autres segments vulnérables dans la communauté.

« Grâce à un accès protégé aux données de tests, nous pouvons trouver réponse à diverses questions des épidémiologistes et des professionnels de la santé publique, notamment : “Y a-t-il des résultats de tests positifs chez les diabétiques?” ou “Y a-t-il une tendance différente chez les communautés autochtones?” », dit Goebel, chef d’un projet en intelligence artificielle (IA) basé à Edmonton, qui entraîne des modèles informatiques à détecter des motifs dans des données des Services de santé de l’Alberta pour prédire des points chauds et des populations à risque.

« En Alberta, nous souhaitons tirer profit du fait que nous avons un système de prestation de soins de santé qui vise 4,5 millions de personnes », dit Goebel, membre du comité du programme national de la Stratégie pancanadienne en matière d’IA du CIFAR, professeur d’informatique à l’Université de l’Alberta et cofondateur de l’Amii.

Grâce à l’aide de médecins, de sociologues et d’éthiciens à l’Université de l’Alberta et aux Services de santé de l’Alberta, Goebel et White s’emploient à obtenir un accès simple, uniforme et protégé aux données sur la santé de la province, à appliquer les modèles d’apprentissage automatique et à communiquer les résultats au public en général.   

Leurs étudiants diplômés, soutenus par les fonds Catalyseur du CIFAR, officialiseront le mode de collecte, d’analyse et de diffusion des données.

« Nous voulons aider les gens à comprendre où ils s’insèrent en tant qu’individus dans la situation de santé publique actuelle », dit Goebel. « Quelles questions pourraient-ils vouloir poser et comment peuvent-ils participer à l’échelle communautaire pour arriver à mieux comprendre leur rôle? » 

Collaborateurs :
Daniel C. Baumgart (Université de l’Alberta), Martha White (titulaire d’une chaire en IA Canada-CIFAR, Université de l’Alberta, Amii), Randy Goebeli (Amii, Université de l’Alberta), Geoffrey Rockwell (Institut d'étude avancée Kule, Université de l’Alberta), Robert Hayward (responsable en chef de l’information médicale, Alberta Health Services), Shy Amlani (Virtual Health), Jonathan Choy (Virtual Health), Sara Webster (Virtual Health) et Sarah Hall (Virtual Health)

line

La recherche en IA pour évaluer le stress que provoque la COVID-19 chez les enfants et leur famille

Une appli mobile basée sur l’IA, première en son genre, pour aider les cliniciens à repérer et à traiter le stress.  

Bien qu’on en sache peu sur la COVID-19, les plus récentes études provenant de Chine laissent suggérer que les enfants sont moins susceptibles de connaître des symptômes graves de la maladie, comme la détresse respiratoire. Toutefois, la maladie a eu des répercussions profondes sur les enfants et leur famille. L’adaptation à l’isolement social et aux exigences de l’école à la maison ont créé de nouveaux défis. Le rôle du stress dans l’augmentation du risque d’attraper la COVID-19 chez l’enfant est mal compris.

La titulaire d’une chaire en IA Canada-CIFAR Anna Goldenberg (Institut Vecteur, Université de Toronto, Hôpital pour enfants malades de Toronto), de concert avec une équipe de pédiatres et d’experts en technologie, exploite l’apprentissage automatique pour évaluer les vastes répercussions de la COVID-19 sur les enfants et leur famille. Forte du soutien du programme de subventions Catalyseur IA-COVID-19 du CIFAR, cette étude est la première en son genre à utiliser une technologie basée sur l’intelligence artificielle (IA) pour rehausser notre compréhension du fardeau physique et psychologique que représente la maladie pour les familles.

« Ce projet nous offre la rare occasion d’examiner comment les familles contractent et vivent la COVID-19, et comment, espérons-le, elles se rétablissent », dit Marzyeh Ghassemi, titulaire d’une chaire en IA Canada-CIFAR et membre du corps professoral de l’Institut Vecteur. « Il est aussi important de rehausser nos connaissances sur le rétablissement chez l’enfant, car il y a peut-être des obstacles à la communication chez les plus jeunes enfants quant aux niveaux de douleur ou de fatigue. »  

En collaboration avec Evidation Health, une entreprise de technologies de la santé à l’avant-garde du développement de plateformes protégées d’applis portables et mobiles à des fins médicales, l’équipe se prépare à déployer une appli mobile conçue pour aider les cliniciens à comprendre le stress familial lié à la COVID-19. L’appli met à profit l’intelligence artificielle pour évaluer le stress physiologique chez les enfants et leur famille, et mesure des facteurs liés à la santé, comme le sommeil, l’anxiété et le niveau d’énergie, ainsi que l’activité physique.

Les données peuvent aider les professionnels de la santé à déterminer le niveau de stress chez les enfants et leur famille, et leur permettre d’attribuer des ressources pour aider les familles à composer avec le stress associé aux méthodes d’intervention. 

« Je suis emballé de faire partie de cette équipe exceptionnelle d’experts cliniques et techniques », dit Goldenberg, titulaire de la chaire de la famille Varma en bioinformatique médicale et intelligence artificielle. « Cette collaboration s’est révélée essentielle pour la création d’un outil singulier apte à évaluer les risques pour la santé des enfants et de leur famille pendant cette période critique. » 

L’appli tire profit de données émanant de la plus grande étude de cohorte d’enfants au Canada, TARGet Kids!, dirigée par Jonathon Maguire et Catherine Birken, y compris de précieuses informations, notamment : données sociodémographiques, âge, comportements liés à la santé et nutrition. Les chercheurs mesureront une variété de facteurs comme les symptômes respiratoires, les efforts préventifs (par exemple, l’isolement social et la distanciation physique) et les données fournies par téléphone intelligent. 

Collaborateurs :
Jonathon Maguire (Hôpital pour enfants malades de Toronto), Anna Goldenberg (titulaire d’une chaire en IA Canada-CIFAR et programme Développement du cerveau et de l’enfant du CIFAR, Institut Vecteur, Université de Toronto, Hôpital pour enfants malades de Toronto), Marzyeh Ghassemi (titulaire d’une chaire en IA Canada-CIFAR, Institut Vecteur, Université de Toronto), Catherine Birken (Hôpital pour enfants malades de Toronto), Peter Jüni (Hôpital St. Michael’s), Kevin Thorpe (Hôpital Sunnybrook), Charles Keown-Stoneman (Hôpital St. Michael’s), Mary Aglipay (Hôpital St. Michael’s)

line

Apprentissage automatique et échographie pour le diagnostic de la pneumonie liée à la COVID-19

Alors que la pandémie de COVID-19 évolue, les recherches démontrent que la maladie peut avoir un niveau de gravité très variable — d’une fièvre bénigne, à la pneumonie et à la mort. Les médecins sont impatients de trouver le moyen de détecter les cas graves le plus tôt possible, car le dépistage et le traitement précoces mènent à une meilleure issue.  

L’apprentissage automatique pourrait sous peu aider les médecins à diagnostiquer la pneumonie par échographie. Russell Greiner, collaborateur fréquent du CIFAR, professeur au département d’informatique de l’Université de l’Alberta et boursier de l’Amii, a l’intention d’utiliser l’apprentissage automatique pour produire un modèle apte à interpréter les échographies et faciliter le diagnostic de la pneumonie chez les patients atteints de la COVID-19. Greiner fait partie d’une équipe qui compte des spécialistes de la radiologie de l’Université de l’Alberta et des spécialistes des données chez Medo AI, basé à Edmonton. Ils vont s’appuyer sur des décennies d’expérience en informatique médicale, ainsi que sur des réussites passées dans le diagnostic de la dysplasie de la hanche et de l’hépatopathie avec l’aide de l’IA et de l’échographie.  

Selon Greiner, la tomographie par ordinateur est le moyen le plus fiable pour détecter la pneumonie. Toutefois, les machines qui exécutent ces imageries sont impossibles à déplacer, coûtent des centaines de milliers de dollars et exigent du personnel spécialement formé. De plus, les chercheurs s’inquiètent du fait qu’il est particulièrement risqué de déplacer un patient jusqu’à un tomographe central s’il est atteint d’une maladie infectieuse, comme la COVID-19.

L’équipe examine la possibilité d’utiliser l’échographe, un appareil médical beaucoup plus petit, pour détecter la pneumonie chez les gens atteints de la COVID-19. « Les échographes sont portables, peu coûteux et relativement faciles à utiliser », dit Greiner. « L’inconvénient est qu’ils produisent un signal beaucoup moins précis dont l’interprétation est bien plus difficile. »

« Il est possible que je puisse réellement faire une différence dans la réduction de la mortalité et de la morbidité », dit Greiner. « Le monde entier est touché par la COVID-19. S’il y a moyen de contribuer à la cause, ne serait-ce qu’un peu, de prêter-main-forte modestement pour réduire la souffrance, d’augmenter la précision du diagnostic, de découvrir des façons d’améliorer l’évolution de cette horrible maladie, je suis ravi d’y passer mon temps. »

Collaborateurs :
Kumaradevan Punithakumar (Université de l’Alberta), Russell Greiner (Université de l’Alberta, Amii), Jacob Jaremko (Université de l’Alberta), Nathaniel Meuser-Herr (Upstate Health Care Center, NY), Dornoosh Zonoobi (MEDO.ai)

line

Surveiller la santé mentale pendant la pandémie de COVID-19 

Confrontés à des obstacles, comme l’école à la maison, le chômage et la distanciation physique des amis, des collègues et de la famille, bien des gens dans le monde entier connaissent des problèmes de santé mentale. De nouveaux rapports de Twitter signalent que son bassin d’utilisateurs actifs quotidiens a augmenté de 23 pour cent. Il semble que beaucoup de gens se tournent vers les médias sociaux pour établir des liens perdus et participer au discours public.

Alona Fyshe, titulaire d’une chaire en IA Canada-CIFAR et boursière au sein du programme Apprentissage automatique, apprentissage biologique du CIFAR basée à l’Université de l’Alberta, travaille avec une équipe d’informaticiens pour appliquer l’intelligence artificielle (IA) aux médias sociaux afin de mieux comprendre ces défis et leur incidence sur notre santé mentale.   

L’objectif est de concevoir un outil apte à détecter les facteurs déterminants de problèmes de santé mentale associés à la pandémie et, dans le cas d’une deuxième vague, de préparer et d’anticiper les techniques nécessaires pour surmonter ces problèmes.

Fyshe explique que la motivation pour ce projet vient du fait que les épiceries ont pu prendre le pouls de l’état émotif des gens en fonction de leurs habitudes d’achat. Tôt dans le confinement, les consommateurs ont souhaité subvenir à leurs besoins de base, comme le papier hygiénique. Ensuite, comme les gens ont commencé à faire du pain, la farine est devenue un produit à forte demande.

« Nous nous sommes dit qu’en parallèle avec le comportement des gens, il y a leurs sujets de conversation sur les médias sociaux », dit Fyshe, boursière de l’Amii et professeure adjointe à la faculté des sciences de l’Université de l’Alberta.

De concert avec les informaticiens Dan Lizotte de l’Université Western et Rumi Chunara de l’Université de New York, l’équipe fouille Twitter pour trouver des commentaires sur la COVID-19 relatifs à différents états de santé mentale afin d’avoir une idée des divers sujets qui sont en corrélation avec des aspects de santé mentale négatifs et positifs. Cela peut inclure l’école à la maison, le chômage, la frustration associée à l’obtention de prestations d’assurance-emploi, mais aussi des sentiments positifs associés au fait de passer du temps en famille et de faire du pain. 

« Cette initiative s’appuiera sur nos travaux qui examinent le discours de populations vulnérables sur les médias sociaux », dit Lizotte.

« Il existe des façons de surveiller les résultats positifs, comme de faire du pain, et il existe des façons de surveiller la tristesse et le manque. Dans notre projet, nous utilisons les médias sociaux pour examiner comment les gens se sentent et pourquoi, et nous souhaitons aider les agences de santé publique à se préparer aux préoccupations qui accompagnent les épisodes de santé mentale », explique Fyshe.

L’équipe a l’intention de partager ses résultats par l’entremise d’un système d’analyse visuelle et de rapports rapides en ligne qui va cerner en temps réel les sujets qui occupent le plus l’esprit des utilisateurs de médias sociaux. 

Collaborateurs :
Alona Fyshe (titulaire d’une chaire en IA Canada-CIFAR, programme Apprentissage automatique, apprentissage biologique, Amii, Université de l’Alberta), Daniel Lizotte (Université Western), Rumi Chunara (Université de New York)

line

L’IA pour trouver des médicaments efficaces contre la COVID-19

Les chercheurs ont recours aux plus récentes techniques d’apprentissage automatique pour trouver des médicaments existants qui pourraient traiter la COVID-19.

Selon la Clinique Mayo, comme le SARS-CoV-2 est un nouveau virus chez l’humain, il y a absence d’immunité. Des vaccins sont en développement, mais comme on estime qu’il faudra attendre au moins un an, bien des chercheurs se tournent vers les produits pharmaceutiques — des composés chimiques qui peuvent bloquer la capacité du virus à infecter et à détruire le tissu pulmonaire — pour trouver des traitements efficaces contre la COVID-19.

Une étude récente réalisée par le Centre Tufts pour l’étude du développement des médicaments a révélé que le développement de nouveaux médicaments à partir de zéro prend de nombreuses années et des milliards de dollars. En conséquence, la communauté scientifique est en train d’examiner les médicaments approuvés existants et utilise l’apprentissage automatique pour prédire lesquels seraient efficaces contre la COVID-19.

Graphes de connaissances médicales

L’une des méthodes, préconisée par une équipe de Montréal pilotée par les titulaires d’une chaire en IA Canada-CIFAR Jian Tang, William Hamilton et Yoshua Bengio, consiste à utiliser un graphe de connaissances médicales. Ce type de base de données, dont une version est en développement depuis plus d’un an par les membres de l’équipe, intègre un vaste éventail de relations entre les maladies, les protéines et les médicaments. Le graphe saisit les interactions connues entre des milliers de maladies, les protéines touchées et les médicaments efficaces contre ces maladies. « Nous devons fusionner de multiples sources de données pour créer un vaste graphe de connaissances exhaustif qui met en jeu plusieurs entités et relations différentes », explique Tang.

L’équipe exploitera l’apprentissage automatique pour cerner des médicaments qui touchent les mêmes protéines que celles ciblées par la COVID-19, un peu comme un réseau social recommande des amis. « Dans les réseaux sociaux, par exemple, vous voulez recommander des amis d’après des liens existants », dit Tang. « Dans ce cas-ci, l’intuition est la même. En fonction des liens existants entre les médicaments et les protéines, et les protéines et la maladie, nous tentons de prédire ces nouveaux liens. »

Mis à l’essai de vaccins candidats dans les cellules

Une autre méthode, utilisée par une équipe de Toronto dirigée par les laboratoires des Chercheurs mondiaux CIFAR-Azrieli Jean-Philippe Julien (Université de Toronto, Hôpital pour enfants malades de Toronto) et Costin Antonescu (Université Ryerson), prévoit de mettre à l’essai dans des essais cellulaires des médicaments candidats repérés à l’aide de l’IA. Comme les laboratoires sont déjà organisés pour analyser les interactions entre médicaments, cellules et virus, Julien et Antonescu tournent maintenant leur attention vers le SARS-CoV-2.

Ils travaillent en collaboration avec deux sociétés locales de développement de médicaments, Cyclica et Phoenox, qui ont déjà eu recours à l’IA pour dresser une liste de médicaments candidats éventuellement efficaces contre la COVID-19. Plus particulièrement, ils ont trouvé des molécules qui pourraient interrompre la capacité du virus de pénétrer les cellules et d’autres qui pourraient limiter la détresse respiratoire.

Les fonds Catalyseur serviront à acheter des réactifs et à soutenir un stagiaire postdoctoral. Grâce à une étroite collaboration entre les partenaires, le groupe a l’intention de travailler de façon itérative, en transmettant de nouvelles données sur les interactions protéiques à l’équipe d’IA qui fera des prédictions quant aux nouvelles molécules pertinentes à mettre à l’essai. D’ici quatre mois, l’équipe espère cerner des médicaments candidats qui sont capables d’arrêter des pseudovirus dans les cellules et qui peuvent passer à la prochaine phase d’essais : virus vivants et modèles animaux.

« Ces fonds nous permettront de faire progresser nos recherches, mais il important de se rendre compte de tout le travail déjà accompli — notamment en IA, en biologie structurale, en développement de médicaments et en recherche sur le cancer — et qui rend possible nos propres travaux. », dit Julien. « Si nous sommes en mesure d’agir rapidement, c’est grâce aux infrastructures existantes et aux investissements à long terme en science fondamentale. »  

Mise à profit des graphes de connaissances biomédicales dans les stratégies de repositionnement de médicaments contre la COVID-19
Collaborateurs : 
Jean-Philippe Julien (boursier du CIFAR, programme Architecture moléculaire de la vie, Université de Toronto), Costin Antonescu (Université Ryerson), Cyclica Inc. (partenaire industriel), Phoenox Pharma (partenaire industriel) 

Identification et validation basées sur l’IA de médicaments candidats repositionnés pour traiter la COVID-19
Collaborateurs :
Jian Tang (titulaire d’une chaire en IA Canada-CIFAR, Mila, HEC Montréal), William L. Hamilton (titulaire d’une chaire en IA Canada-CIFAR, Mila, Université McGill), Yoshua Bengio (titulaire d’une chaire en IA Canada-CIFAR et codirecteur, programme Apprentissage automatique, apprentissage biologique du CIFAR, Mila, Université de Montréal), Guy Wolf (Mila, Université de Montréal), Yue Li (Mila, Université McGill)

line

Un outil de recherche basé sur l’IA peut contribuer à prédire quand et comment rouvrir l’économie de façon sécuritaire 

La pandémie de COVID-19 a entraîné la fermeture des frontières de dizaines de pays dans le monde entier et a forcé les gens à pratiquer la distanciation physique et l’auto-isolement. Alors que le monde s’ajuste à une nouvelle réalité, nombre de questions et de soucis surgissent sur quand et comment retourner à la normale.

Le titulaire d’une chaire en IA Canada-CIFAR Frank Wood et une équipe de chercheurs du groupe de recherche sur les langages de programmation pour l’intelligence artificielle (PLAI) à l’Université de la Colombie-Britannique examinent comment utiliser des outils logiciels existants pour automatiser des parties de l’élaboration de politiques liées à la pandémie. À l’aide de modèles épidémiologiques existants, l’équipe a montré comment utiliser un outil logiciel et des techniques qu’elle a créés pour automatiser la détermination des politiques à mettre en place pour une réouverture rapide et sécuritaire, comme le lavage des mains, la distanciation physique, la fermeture des écoles, ainsi que les paramètres spécifiques connexes.  

« Tous les modèles que nous avons vus laissent entendre que la COVID-19 sera parmi nous pendant un certain temps », dit Wood, professeur agrégé à l’Université de la Colombie-Britannique et membre associé du Mila. « Le confinement constitue une dure épreuve pour tout le monde. Notre objectif est de contribuer à la réouverture de l’économie aussi rapidement que possible tout en veillant à la sécurité des gens. Le rôle pour lequel nous sommes bien équipés est celui d’éclairer les épidémiologistes et les décideurs sur les outils et les techniques les plus avancés qui s’offrent à eux actuellement pour relever ce défi. »  

« Il y a eu une grande vague de soutien et d’intérêt parmi les membres de mon laboratoire à l’idée de faire le bien et cette vague a presque pris l’ampleur d’une mutinerie », dit Wood. La subvention du CIFAR est un « signal encourageant de la part du paysage du financement de la recherche au Canada indiquant qu’il s’agit d’un domaine prioritaire ». 

Wood est en discussion avec le Mila, le MIT, l’Université Northeastern, Google et diverses autres équipes. Il est impatient d’élargir la collaboration avec les épidémiologistes et les décideurs qui sont les mieux équipés pour utiliser ses outils logiciels à l’appui de décisions stratégiques importantes dans un très proche avenir.

Collaborateurs :
Frank Wood (titulaire d’une chaire en IA Canada-CIFAR, Mila, Université de la Colombie-Britannique), Benjamin Bloem-Reddy, Alexandre Bouchard et Trevor Campbell (Université de la Colombie-Britannique)