Paul Dequidt, « stand-upper » de la Recherche 

Lauréat de Ma Thèse en 180 secondes 

Paul Dequidt : Pour faire simple, le périmètre médical de mes recherches porte sur des tumeurs cérébrales, les gliomes, qui ont deux phases d’évolution. La première, silencieuse et appelée bas grade, présente peu de symptômes. La seconde (ou haut grade) est très agressive, avec une survie estimée à 2 ans et très peu de solutions thérapeutiques existent. En tant qu’étudiant en traitement du signal et de l’image, je travaille sur le volet informatique. L’idée est d’obtenir grâce à l’Intelligence Artificielle des statistiques qui vont permettre de prédire, dès la première imagerie médicale du patient, le grade du gliome. L’objectif thérapeutique est donc de pouvoir anticiper son évolution, de permettre la meilleure décision thérapeutique et, le cas échéant, d’opérer le patient au plus tôt. 

Paul Dequidt : Tout d’abord, nous avons, à Poitiers, un laboratoire d’imagerie à la fois très développé et novateur (le laboratoire I3M, voir partie 2). Nous y disposons d’une grande quantité d’images et de données, qui ne sont disponibles nulle part ailleurs. Ensuite, notre approche dans la mise en place des Intelligences Artificielles et l’observation des performances obtenues est inédite. En effet, à l’échelon global, la recherche fondée sur la segmentation tumorale a explosé dans la communauté scientifique ces dernières années avec des centaines de publications. En matière de classification des grades, qui est l’approche que j’ai retenue, il y a beaucoup moins de travaux. Pour mener à bien cette entreprise et réduire la marge d’erreur, il a fallu ré-étiqueter les bases de données des grades afin de les aligner sur la classification de l’OMS, ce qui n’était pas le cas*, puis d’implémenter une IA. Autrement dit, le spécialiste du traitement du signal que je suis a pour objectif de trier les données pertinentes de celles qui ne le sont pas, de les hiérarchiser et de les analyser au service du radiologue pour qu’il sache exactement ce qui se trouve sur l’image qu’il reçoit. A terme, cela permettra de pouvoir faire des diagnostics précoces, voire de la prédiction dans quelques années.

Paul Dequidt : L’Intelligence Artificielle apprend à reproduire et modéliser ce que font les radiologues, l’idée n’étant pas de les remplacer mais de voir comment enrichir leur pratique par les chemins de traverse qu’offre l’IA. J’ai donc travaillé avec eux pour saisir ce qu’ils regardent dans les clichés d’IRM, puis traduire cela en langage mathématique pour élaborer un algorithme. C’est d’ailleurs ce travail commun qui m’a permis de voir ce qui était mal référencé dans les bases de données, n’ayant pas moi-même l’expertise et la connaissance de terrain nécessaires. 

La pré-étude menée par Paul Dequidt a été intégrée dans une série de différents logiciels et le travail théorique se poursuit au laboratoire I3M pour finaliser et valider la bibliothèque d’outils permettant d’ajouter le logiciel à l’IRM 7T (ce dernier n’étant opérationnel que depuis janvier 2020). Quand à Paul Dequidt, il cherche à « rejoindre, en post-doctorat, les neurosciences, le domaine qui m’intéresse le plus ! »

Depuis de nombreuses années, Siemens Healthineers est engagé dans le dispositif Cifre (Convention industrielle de formation par la Recherche) afin de recruter et accompagner durant trois ans des jeunes doctorants en préparation de thèses dites « industrielles » dans des laboratoires de Recherche comme l’I3M.

Créé en 1981 et intégralement financé par le ministère de l’Enseignement supérieur et de la Recherche, le dispositif Cifre a pour objectifs de renforcer les échanges entre les laboratoires de Recherche et les entreprises, de favoriser l’emploi des docteurs dans ces dernières et de contribuer au processus d’innovation et de compétitivité des entreprises sur le territoire. Ce programme permet aux entreprises engagées de bénéficier d’une aide financière pour recruter un jeune doctorant dont les travaux de Recherche, encadrés par un laboratoire public de Recherche, mèneront à la soutenance d'une thèse. En pratique, la société confie à un doctorant un travail de Recherche qui sera l’objet de sa thèse et c’est un laboratoire, extérieur à cette dernière, qui encadre le travail scientifique du doctorant.

Engagé depuis plusieurs années dans le dispositif, Siemens Healthineers accompagne chaque année une une quinzaine d’étudiants. Ces doctorants, bien que travaillant à 80 % dans des laboratoires externes, sont embauchés en CDD sur trois ans et bénéficient du savoir-faire et des ressources de Siemens Healthineers. Un partenariat qui permet à l’entreprise de renforcer ses liens avec les domaines cliniques et académiques, de contribuer à l’innovation de la Recherche en France, d’accompagner les acteurs de la santé de demain, de se doter, le cas échéant, d’une ressource humaine performante et de sécuriser le temps consacré à la R&D.

• 2 150 Cifre par an comme objectif pour 2027 (contre 1 500 en 2020).
• Une nouvelle cohorte de 50 Cifre en 2019 au titre du plan Intelligence artificielle
• 90 % des doctorants obtiennent un emploi dans les 6 mois après la fin de la Cifre
• Plus de 70 % d’entre eux rejoignent ou poursuivent leur carrière dans le secteur privé et près des ¾ d’entre eux sont recrutés sur des missions R&D un an après la fin de la convention.
• 25 % des thèses acceptées dans le domaine des Sciences et technologies de l’information et de la communication ; 17 % en Sciences pour l’ingénieur et 16 % en sciences de l’Homme

C’est au sein du laboratoire I3M (pour Imagerie métabolique multi-noyaux multi-organes), à Poitiers, que Paul Dequidt a mené ses travaux de Recherche. Cette structure, unique en France, est le fruit d’une étroite collaboration entre Siemens Healthineers, le CHU et l’Université de Poitiers et le CNRS. Inauguré il y a deux ans et demi, I3M a pour objectif de fédérer des chercheurs autour d’une coopération scientifique et technologique en modélisation mathématique et en Intelligence Artificielle. Deux des co-directeurs d’I3M, Christine Fernandez-Maloigne, Professeure des Universités et chercheuse en sciences du numérique et intelligence artificielle, et Rémy Guillevin, Professeur de radiologie et directeur du laboratoire de mathématiques, reviennent sur cette belle collaboration.

« Les structures de Recherche communes existent mais la nôtre a la spécificité d’abriter un laboratoire de mathématiques, un autre de sciences numériques et trois instituts, explique Christine Fernandez-Maloigne. Nous sommes également le seul laboratoire commun entre l’Institut des sciences de l’ingénierie et des systèmes du CNRS et une entreprise, en l’occurrence Siemens Healthineers pour qui c’est d’ailleurs le seul laboratoire commun. » En outre, le CHU de Poitiers possède un IRM ultra haut champ de 7 Tesla donnant accès à une imagerie anatomique, fonctionnelle, moléculaire et métabolique de très haute résolution, permettant de mesurer la structure et la fonction des organes de façon inégalée. Il y est utilisé à la fois à des fins cliniques et de recherche, et non uniquement avec des cohortes de patients : « Le grand nombre de patients que nous suivons augmente nos possibilités de construire des algorithmes d’IA, renchérit le Pr Rémy Guillevin. Grâce à cet important flux de données, nous pouvons augmenter la performance du diagnostic et la prédiction de la réponse thérapeutique de manière non invasive. »

Les travaux de Recherche du laboratoire portent en effet sur le traitement et l’analyse automatiques des images multi-modalités pour l’aide au diagnostic et au suivi thérapeutique dans les pathologies du cœur, du rein et du cerveau. C’est dans le cadre de ces Recherches en neurosciences computationnelles sur la notion de jumeau numérique que Paul Dequidt a effectué sa thèse. L’objectif ? Développer des outils pour l’imagerie qui éviteront au maximum l’invasivité des biopsies grâce à des simulations de gestes thérapeutiques et de modèles de réponse tout en permettant d’affiner le diagnostic. Pour Rémy Guillevin, « non seulement cela permettra d’identifier un gliome, mais également son sous-type et ses caractéristiques génomiques uniquement grâce à l’imagerie et les corrélations qu’elle permet d’obtenir, un peu à la manière d’une biopsie virtuelle complétement exhaustive et sans danger pour le patient. » Une avancée d’autant plus importante pour les personnes âgées et porteuses de comorbidités, souvent récusées pour les anesthésies générales : « On va dans le sens d’un recours accru à la biopsie numérique, il est donc nécessaire d’avoir une imagerie et des chercheurs à la hauteur de la performance », poursuit l’expert.

Et, pour ce faire, l’enjeu des données est crucial, comme le souligne la co-directrice du laboratoire : « au-delà des images T1 et T2, nous récoltons une grande masse d’informations et de signaux sur l’anatomie, le fonctionnement et le métabolisme du cerveau. L’idée est d’arriver à traiter ces données de manière automatique avec des algorithmes s’appuyant sur des modèles d’apprentissage du cerveau humain, lequel va permettre de diagnostiquer des dysfonctionnements. » Ces techniques de réseaux de neurones artificiels doivent permettre d’avoir, à terme, une classification automatique par l’IA des gliomes, permettant de réaliser cette biopsie et de donner un pronostic d’évolution de la pathologie. Et pour obtenir des résultats pertinents, le travail sur de vrais patients se révèle particulièrement essentiel. 

A quoi s’ajoute, à l’I3M, un travail sur des modèles d’augmentation des données à partir des bases existantes lorsque la quantité est moindre, l’intelligence artificielle reproduisant ce qu’on lui apprend : « À l’image du cerveau humain qui s’adapte très facilement face à une situation qu’il ne connaît pas, certaines techniques d’intelligence artificielle ainsi que les métadonnées du patient (passé, génétique, données biologiques, environnement etc.) vont permettre de s’adapter malgré un petit nombre d’exemples, détaille l’experte en sciences numériques. La machine va partir des modélisations qu’elle a appris pour indiquer au médecin les tendances, notamment d’évolution. » Ces modèles mathématiques ajoutés pour guider l’intelligence artificielle ne remplacent évidemment pas le radiologue mais fournissent une information robuste, fiable et reproductible et une aide pour la décision et le suivi thérapeutiques.

Le partenariat public-privé entre Siemens Healthineers et les équipes de Recherche permet de bénéficier de l’expertise et du savoir-faire de chacun. L’ingénieur de Siemens Healthineers accompagne le laboratoire sur le plan technique où il passe deux à trois jours hebdomadaires, notamment pour paramétrer la plateforme. Grâce à la connaissance de la machine, « notre partenaire Siemens Healthineers contribue à la rendre utilisable dans la pratique hospitalière classique, explique le Professeur Guillevin. L’entreprise apporte des moyens financiers et des compétences humaines et bénéficie en retour de nos conclusions pour pouvoir présenter des méthodologies de pointe. » « Quant au CHU, avoir une machine comme cette IRM ultra haut champ est un véritable facteur d’attractivité pour attirer les meilleurs praticiens, complète Christine Fernandez-Maloigne. Et les équipes du laboratoire bénéficient d’un outil d’une qualité extrême et exhaustive, permettant des avancées majeures dans leurs recherches et la connaissance. » 

Au-delà de cette synergie et de cette relation de confiance, le lieu attire pour la transdisciplinarité qui y règne. « De plus en plus de chercheurs ont compris l’importance de faire converger leurs connaissances et leurs savoirs sur une problématique médicale, toujours au bénéfice du patient, constate le codirecteur. Il y a aujourd’hui un vrai besoin partagé de changer les modes de fonctionnement, de sortir de sa zone de confort pour adopter des démarches novatrices. » Biologistes, physiciens, radiologues, neurologues… l’I3M permet de les regrouper, dans une dynamique d’innovation continue. « C’est d’ailleurs cette dynamique pluridisciplinaire et les talents qui travaillent dans notre structure qui ont attiré d’autres partenariats, à l’échelon régional, national et européen, » explique Christine Fernandez-Maloigne.

« I3M nous permet de faire aujourd’hui la Recherche pluridisciplinaire pour ce qui est attendu demain et pour répondre à nos enjeux sociétaux, notamment en matière de neurosciences. »

Christine Fernandez-Maloigne, professeure des Universités et chercheuse en Sciences du numérique et Intelligence artificielle, co-directrice d’I3M

« Pour réussir, il suffit d’avoir de l’enthousiasme et une équipe avec une capacité d’innovation : le jeu scientifique collectif est fondamental. Exemple parmi d’autres, c’est ce que nous faisons à l’I3M, grâce à des aspirations communes et sans problème d’ego. »

Rémy Guillevin, Professeur de radiologie et directeur du laboratoire de mathématiques, deux des co-directeurs d’I3M,