FM2AI — Modèle de fondation d'intelligence artificielle pour l'imagerie abdominale

L'intelligence artificielle a démontré son immense potentiel en radiologie, en particulier pour l'imagerie par tomodensitométrie (CT). Néanmoins, un défi majeur est le manque de pouvoir de généralisation des modèles d'apprentissage profond standards. Récemment, les modèles de fondation (FM) ont été développés pour le traitement du langage naturel, avec un succès retentissant. Bien que des FM aient également été proposés dans certains domaines spécifiques de l'imagerie médicale, avec des résultats prometteurs, ils sont encore peu explorés, un défi majeur étant la diversité des modalités d'imagerie en médecine. Le projet FM2AI propose de tirer parti des ressources exceptionnelles de l’Entrepôt de Données de Santé de l’Assistance Publique - Hôpitaux de Paris, pour proposer un modèle de fondation ouvert, adapté à l’imagerie 3D CT abdominale, accompagné d’outils logiciels d’apprentissage machine, pour viser une intégration clinique efficace et effective du modèle. Nous concevrons des méthodes robustes d'apprentissage few-shot pour permettre l'adaptation et la généralisation du modèle de fondation à des taches diagnostiques spécifiques, telles que la classification et la segmentation d’images CT abdomino-pelviennes, sans nécessiter d'efforts massifs de réannotation ni de ressources GPU. Nous développerons des techniques originales d'estimation conformelle d'incertitude dans le cadre des prédictions multitâches, afin d'assurer fiabilité, interprétabilité, et confiance des méthodes. Nous validerons l'ensemble du processus sur trois questions cliniques à fort impact soulevées en oncologie abdominale-pelvienne, en coordination avec deux partenaires AP-HP, garantissant une adoption clinique efficace. Pour atteindre ces objectifs ambitieux, le consortium réunit quatre acteurs d'excellence de la région Île-de-France, experts dans tous les domaines concernés, allant des mathématiques appliquées, de l'apprentissage automatique, à la radiologie abdominale-pelvienne, travaillant en synergie.