Pourriez-vous présenter brièvement les objectifs et la structure de votre module de travail dans le cadre du projet ALCOVE ?
La KU Leuven, Campus de Bruges, est responsable du module de travail 6 au sein du projet ALCOVE. Nous travaillons sur les données collectées par le nez électronique. Cet appareil « sent » l’air expiré par le patient : des capteurs convertissent les composés présents dans cet air en signaux de mesure. Notre travail s’articule autour de quatre volets.
Assurer la sécurité et la bonne gestion des données
ALCOVE bénéficie d’un financement de la Commission européenne ; les données de recherche générées dans le cadre du projet doivent donc respecter les principes FAIR, c’est-à-dire être faciles à trouver (Findable), accessibles (Accessible), interopérables (Interoperable) et réutilisables (Reusable). En collaboration avec nos partenaires de l’ULiège et du CHU de Lille, nous formalisons ces modalités, ainsi que les mesures de protection des données personnelles, dans un Plan de gestion des données.
Apprendre à interpréter les signaux de mesure
Nos collègues du laboratoire CRIStAL (Université de Lille) développent de nouvelles approches d’intelligence artificielle explicable (Explainable AI). Ces outils ne se contentent pas de fournir un résultat; ils permettent également de comprendre les éléments sur lesquels ce résultat repose.
Comprendre le fonctionnement des capteurs
Les chercheurs du Campus d’Arlon de l’ULiège caractérisent en détail les capteurs développés dans le module de travail 4. Cette compréhension approfondie nous permet d’identifier les caractéristiques des signaux véritablement pertinentes et de concevoir les méthodes de calcul les plus adaptées à leur traitement.
Intégrer l’ensemble dans le dispositif
Enfin, nous intégrons ces méthodes de calcul directement dans le nez électronique. Cela nécessite de trouver un équilibre entre précision et puissance de calcul : le dispositif doit fournir des résultats fiables tout en fonctionnant suffisamment rapidement sur un matériel aux ressources limitées. Ce volet comprend également le développement d’une interface utilisateur intuitive, afin que les professionnels de santé puissent utiliser l’appareil facilement et efficacement.
Quels sont les principaux défis auxquels vous êtes actuellement confrontés dans le cadre de votre module de travail, et quels progrès ont été réalisés jusqu’à présent?
Nous avons déjà franchi plusieurs étapes importantes. Une première version du Plan de gestion des données est désormais disponible. Elle décrit la manière dont les partenaires partageront leurs données entre eux de façon standardisée et sécurisée. Nos collègues du laboratoire CRIStAL (Université de Lille) ont développé un nouvel algorithme d’intelligence artificielle capable de distinguer différentes images cliniques et d’expliquer le raisonnement qui conduit à sa conclusion. Ses performances sont comparables à celles des algorithmes existants, mais il fonctionne à l’aide de règles très simples, ce qui facilite la vérification des résultats. Les chercheurs de l’ULiège sont parvenus à lire et à caractériser les capteurs, permettant ainsi à la KU Leuven de les intégrer dans un prototype fonctionnel. Les premières maquettes et versions de l’interface utilisateur sont également disponibles. Le principal défi reste la fiabilité. Les médecins doivent pouvoir avoir confiance dans le fait que le dispositif ne fournira pas de diagnostic erroné et ne présentera pas de dysfonctionnement soudain. Par ailleurs, plusieurs institutions de recherche collaborent au développement du même dispositif, ce qui nécessite des accords clairs en matière de propriété intellectuelle ; ceux-ci sont actuellement formalisés dans des accords de confidentialité. Enfin, l’interface utilisateur sera encore affinée à l’issue des études menées auprès des utilisateurs.
En quoi votre module de travail contribue-t-il à l’ambition globale et à l’impact attendu du projet ALCOVE ?
Notre module de travail constitue le maillon qui relie l’ensemble des développements du projet visant à favoriser la détection précoce du cancer du poumon : les développements réalisés dans les autres modules de travail, notamment les capteurs et les mesures, y sont intégrés au sein d’un dispositif unique et fonctionnel. Des algorithmes d’intelligence artificielle robustes et une connaissance approfondie des capteurs permettent d’améliorer la précision des analyses. Un fonctionnement fiable et sécurisé garantit que les médecins et les patients puissent avoir confiance dans les résultats obtenus. Enfin, grâce à un traitement et à un partage des données réalisés de manière sécurisée et dans le respect des exigences en matière de protection des données, l’ensemble du projet reste conforme aux réglementations européennes en vigueur, notamment le RGPD et le règlement sur l’intelligence artificielle (AI Act).
