Comment l'apprentissage automatique et l'apprentissage profond sont-ils utilisés en bioinformatique ? Tous les modèles d'apprentissage automatique doivent-ils nécessairement être explicables ? Comment renforcer la confiance des utilisateurs finaux des applications basées sur l'apprentissage automatique ? Dans cette table ronde virtuelle, la première d'une série (voir encadré), les intervenants invités présentent des cas d'utilisation et des perspectives sur l'apprentissage automatique dans les domaines de la biocuration, de la pathologie numérique, de la découverte de biomarqueurs et du développement d'algorithmes. Un message transversal : l'importance d'une bonne science des données s'appuyant sur une expertise dans le domaine et de l'interaction entre l'intelligence humaine et l'intelligence artificielle.
« Les tendances dans le domaine de la bioinformatique »
est une nouvelle série de tables rondes virtuelles abordant des thèmes transversaux d'actualité dans le domaine de la science des données appliquée aux biodonnées. Diffusés en direct pour les membres du SIB, ces événements comprendront environ 30 minutes de discussions modérées avec des intervenants invités et seront disponibles sur la chaîne YouTube du SIB.
Rencontrez les intervenants
Les techniques d'apprentissage automatique (ML) sont utilisées, développées et perfectionnées depuis des décennies par les bioinformaticiens suisses. Vous pourrez rencontrer certains d'entre eux lors de cette table ronde qui réunira les intervenants suivants (voir leurs profils ci-dessous) Alan Bridge, chef de groupe, Swiss-Prot ; Andrew Janowczyk, chercheur scientifique senior au département d'oncologie de précision (CHUV) et bioinformaticien senior, SIB ; Carlos Andrés Peña, Responsable du groupe Intelligence computationnelle pour la biologie computationnelle (HEIG-VD) et Julia Vogt, responsable du groupe Medical Data Science (ETH Zurich). La discussion sera modérée par les coprésidentes Aitana Lebrand, responsable de l'équipe Data Science, Clinical Bioinformatics, et Maïa Berman, responsable de la communication.
Un panorama des applications
Les exemples d'applications des techniques de ML abondent dans le domaine de la bioinformatique en Suisse et parmi les groupes du SIB. Au cours de ce panel, vous découvrirez certains des projets actuels des intervenants : diagnostic de la rétinopathie diabétique dans différentes populations, identification de cancers particulièrement agressifs à partir de lames de tissus scannées, détection précoce de l'ictère néonatal, prédiction de l'affinité entre les bactériophages et les bactéries, et aide au triage de la littérature pour la biocuration.
Des défis à relever pour gagner la confiance des utilisateurs finaux
La discussion vous permettra également d'approfondir certaines spécificités du ML et les défis qu'il représente. Les intervenants partageront leur point de vue sur l'importance de connaître et d'obtenir les bonnes données, ainsi que sur le rôle de l'annotation et de la structuration pour obtenir des ensembles de données représentatifs dans ce contexte. Ils discuteront ensuite de la nécessité (ou non) d'un modèle explicable, en fonction du contexte d'utilisation ou d'application, et des moyens d'y parvenir.
Enfin, la discussion inclura une brève « mise en perspective » à garder à l'esprit lorsque les modèles de ML deviendront des applications couramment utilisées par les utilisateurs finaux, qu'il s'agisse de cliniciens, de scientifiques ou de biocurateurs, le mot clé étant ici « confiance ».
Le message à retenir ? Comme le dit Aitana Lebrand : « Une bonne science des données est au cœur de la bioinformatique : de solides compétences en script et en statistiques, associées à des experts du domaine qui possèdent l'expertise nécessaire pour organiser et donner un sens aux données. Tels sont les ingrédients clés pour garantir la confiance de nos utilisateurs finaux, des cliniciens aux scientifiques et chimistes. »
Profils des intervenants :
Alan Bridge est directeur du groupe Swiss-Prot du SIB, dont l'équipe d'experts en biocuration et de développeurs de logiciels travaille avec des partenaires internationaux pour développer des ressources de connaissances de renommée mondiale telles que UniProtKB/Swiss-Prot, Rhea, SwissLipids et ViralZone. Alan a participé aux efforts déployés par Swiss-Prot pour améliorer la collecte et la diffusion des connaissances sous une forme lisible par l'homme et par la machine. Il s'intéresse actuellement à l'utilisation des approches d'apprentissage profond pour accélérer le tri de la littérature et l'extraction d'informations, afin de fournir aux utilisateurs les preuves les plus précises et les plus informatives en temps opportun.
>> Pour en savoir plus sur le travail d'Alan, consultez la page de son groupe
Andrew Janowczyk est professeur assistant de recherche au Centre d'imagerie computationnelle et de diagnostic personnalisé (CCIPD) de l'université Case Western Reserve (États-Unis), chercheur scientifique senior au département d'oncologie de précision du CHUV et bioinformaticien senior au SIB. Depuis plus de 10 ans, il applique des algorithmes de vision par ordinateur à des images de pathologie numérique. Il est spécialisé dans l'exploitation du deep learning pour construire des modèles computationnels destinés à aider les pathologistes dans leurs tâches courantes, telles que la détection et la classification des maladies. Ses dernières recherches portent sur la prédiction du pronostic et de la réponse aux traitements. Son outil HistoQC a reçu le prix de l'innovation lors du Congrès européen de pathologie numérique (ECDP) 2018. Plus tard dans l'année, il a contribué à la création du Consortium suisse de pathologie numérique (SDiPath) et en a été élu secrétaire.
>> Pour en savoir plus sur les travaux d'Andrew, consultez son blog consacré à la recherche
Carlos-Andrés Peña est professeur titulaire à la Haute école spécialisée de Suisse occidentale (HEIG-VD) où il dirige le groupe Computational Intelligence for Computational Biology (CI4CB) et le domaine Applications biomédicales au sein du département ICT. Il est également chef de groupe au SIB. Il a plus de 20 ans d'expérience dans le développement et l'application de méthodes d'intelligence computationnelle dans les sciences de la vie et la recherche biomédicale. Il s'intéresse particulièrement à l'explicabilité et à l'interprétabilité des systèmes basés sur l'IA qui allient pouvoir prédictif et explicatif.
>> Pour en savoir plus sur les travaux de Carlos, consultez les pages de son groupe ici et ici
Julia Vogt est professeure assistante au département d'informatique de l'ETH Zurich et chef de groupe au SIB. Les recherches de son groupe portent principalement sur l'intersection entre l'apprentissage automatique et la médecine. Son travail vise à faire progresser et à développer de nouvelles techniques d'apprentissage automatique pour la médecine de précision et l'analyse des données cliniques. Son domaine d'action couvre de nombreux domaines tels que la prédiction de la réponse au traitement ou le diagnostic précoce en médecine personnalisée, l'intégration de données multimodales et la détection de structures. En étroite collaboration avec des médecins, le groupe identifie les lacunes des technologies actuelles et développe des solutions sur mesure.
>> Pour en savoir plus sur les travaux de Julia, consultez les pages de son groupe iciet ici
