Après une évaluation rigoureuse suivant les directives de conduite responsable en recherche, les projets de la professeure Patricia Conrod et du Dr Gregory Lodygensky seront soutenus par le Programme de financement de projets de recherche fondamentale IVADO. Ces projets mettent à profit l’utilisation de l’intelligence artificielle et de la science des données au bénéfice des patients.

Professeure Patricia Conrod

Collaborateur : Irina Rish, Mila

A neurodevelopmentally-informed computational model of flexible human learning and decision-making

La période de l'adolescence est caractérisée par des changements neurodéveloppementaux importants qui ont un impact sur l'apprentissage par renforcement et l'efficacité avec laquelle cet apprentissage se produit. L’équipe de la professeure Patricia Conrod a modélisé l'apprentissage par évitement passif à l'aide d'un cadre d'apprentissage par renforcement bayésien. Les résultats ont indiqué que les paramètres estimant les différences individuelles d'impulsivité, de sensibilité aux récompenses, de sensibilité aux punitions et de mémoire de travail, prédisaient le comportement humain le mieux adapté à la tâche. Le modèle était également sensible aux changements de performance d'une année à l'autre (développement cognitif).

Le projet actuel vise à étendre et valider ce modèle informatique de la cognition humaine pour : 1) mieux mesurer l'âge et le retard neuropsychologique; 2) comprendre comment les paramètres d'apprentissage contribuent aux processus décisionnels humains sur des tâches d'apprentissage plus complexes; 3) simuler de meilleurs scénarios d'apprentissage pour éclairer le développement d'interventions ciblées qui stimulent l'apprentissage humain et la prise de décision; et 4) informer les modèles d'intelligence artificielle de prochaine génération sur l'apprentissage tout au long de la vie.

Dr Gregory Lodygensky

Collaborateur : professeur José Dolz, École de technologie supérieure (ÉTS)

Next generation neonatal brain segmentation built on HyperDense-Net, a fully automated real-world tool

Ce financement permettra à l’équipe du Dr Lodygensky de poursuivre un projet amorcé en collaboration avec l’École de technologie supérieure (ÉTS), et qui a mené la mise au point d’une technique novatrice basée sur l’intelligence artificielle pour mieux définir les différentes sections du cerveau chez le nouveau-né lors d’un examen d’imagerie par résonance magnétique (IRM).

Il est de plus en plus reconnu que des percées majeures dans les soins de santé résulteront de la combinaison de bases de données et d'outils d'intelligence artificielle (IA). Cela pourrait s’avérer très utile dans l'étude du cerveau néonatal et de ses altérations. Par exemple, pour observer les conséquences biologiques de la prématurité ou de l'asphyxie à la naissance, entraînant des troubles cognitifs, moteurs, langagiers et comportementaux.

Une différence majeure entre les cerveaux adultes et néonatals est que les aspects clés des fonctions liées au cerveau néonatal ne peuvent être testés que plusieurs années plus tard. Ceci entrave considérablement l'avancement de la neuroprotection néonatale. Les chercheurs et les cliniciens ont besoin d'outils objectifs pour évaluer immédiatement l'efficacité d'une thérapie donnée pour protéger le cerveau. L'imagerie par résonance magnétique cérébrale néonatale peut combler cet écart. Cependant, cela constitue un véritable défi, car cette période de vie représente une période unique de croissance cérébrale intense et de maturation cérébrale.

Le projet actuel prévoit d'améliorer les outils de segmentation cérébrale néonatale existants (c'est-à-dire HyperDense-Net) mis au point par l’équipe en utilisant les dernières itérations d'outils d'IA. L’équipe de recherche développera également un outil validé pour déterminer la maturation cérébrale objective chez les nouveau-nés.

IVADO a pour vocation de regrouper professionnels de l’industrie et chercheurs académiques afin de développer une expertise de pointe dans les domaines de la science des données, de l’optimisation (recherche opérationnelle) et de l’intelligence artificielle. Les membres d’IVADO proposent des méthodes pour traiter l’information et ainsi favoriser les décisions qui optimisent l’utilisation des ressources. Concrètement, IVADO incite aux échanges et au partage de connaissances entre les spécialistes, les partenaires, les chercheurs et les étudiants de son réseau.