Philippe Després se sert du calcul de haute performance pour générer et analyser des images médicales — pour la plupart de personnes atteintes du cancer — et mettre au point des outils numériques que pourront utiliser les clinicien(ne)s et d’autres professionnel(le)s de la santé.
« Pour représenter l’anatomie en 3D, il faut des images montrant une vue à 360 degrés de la personne, explique M. Després, professeur au Département de physique, de génie physique et d’optique de l’Université Laval et physicien médical au CHU de Québec – Université Laval, l’un des plus importants hôpitaux universitaires au Canada. L’image tridimensionnelle est obtenue au moyen de la reconstruction tomographique, un processus mathématique qui peut s’avérer assez exigeant sur le plan computationnel. Nous accélérons ce type d’algorithme afin d’être capable de fournir des images de qualité dans des délais compatibles avec les activités médicales, c’est-à-dire très rapidement. »
Un autre aspect important de l’imagerie médicale concerne la dose d’irradiation.
« Des centaines de tomodensitogrammes sont effectués tous les jours au Canada, indique M. Després. Il est important d’utiliser la radiation intelligemment et de viser les plus faibles doses possible en imagerie médicale. Les algorithmes de reconstruction itératifs que nous développons contribuent à réduire cette dose, tout en préservant la qualité des images. »
Dans le cadre de son travail, M. Després utilise des unités centrales graphiques (GPU) pour accélérer les tâches de calcul. Créés à l’origine pour les jeux vidéos, ces dispositifs permettent au chercheur d’accélérer les algorithmes par des facteurs pouvant atteindre 100, voire 1 000 – une révolution pour le milieu clinique et d’autres secteurs.
M. Després est parvenu à accélérer les temps de calcul des doses dans les champs magnétiques puissants et, avec un partenaire industriel, a collaboré au développement d’un nouvel appareil de radio-oncologie permettant à la fois de traiter les tumeurs cancéreuses et d’obtenir des images anatomiques au moyen de l’imagerie par résonance magnétique.
« Avant l’arrivée des GPU, le temps nécessaire pour calculer les doses dans les champs magnétiques était énorme », affirme M. Després, tout en ajoutant que grâce au travail de son groupe, le nouvel appareil est maintenant utilisé dans le milieu clinique, de sorte que les calculs se font en quelques minutes au lieu de prendre plusieurs jours. « C’est le jour et la nuit sur le plan de la viabilité clinique, fait-il valoir. Un algorithme aura beau être sophistiqué, s’il prend une heure à exécuter, ça ne concorde pas avec la réalité du milieu clinique. Si les GPU permettent de multiplier par 1 000 sa vitesse d’exécution, il devient alors utile. »
Philippe Després participe également aux efforts de développement des infrastructures numériques et est passionné par la gestion des données de recherche.
« Les chercheuses et chercheurs traitent une grande quantité de données, mais disposent souvent d’équipements déficients pour bien les gérer, soutient-il. Mon intérêt pour la gestion des données de recherche a énormément augmenté au cours des deux dernières années, et j’ai commencé à instaurer des pratiques exemplaires en la matière dans mon laboratoire, y compris en suivant les principes FAIR, selon lesquels les données devraient être faciles à trouver, accessibles, interopérables et réutilisables. Puisque les spécialistes de la physique médicale sont probablement les plus technophiles de l’hôpital, il nous semble naturel de nous assurer que les données sont gérées et utilisées correctement. »
Mon plus grand défi : « Convaincre les gens de l’importance de la gestion des données de recherche. Les organismes de financement commencent à le réaliser, et les responsables de l'examen des subventions en sont de plus en plus conscients. Nous devons faire clairement comprendre que de bonnes pratiques de gestion des données de recherche sont un aspect essentiel de l’excellence en recherche. La production de données coûte cher, donc il faut éviter de faire le travail en double. Lorsqu’un organisme public finance mon projet, les données qui en découlent ne sont pas les miennes, mais appartiennent plutôt à la communauté. C’est un enjeu important qui exige un changement de culture. »
La réalité avec laquelle je dois composer : « Le fait que IA est devenue une expression à la mode. Tout le monde veut faire de l’intelligence artificielle, mais peu de gens disposent des données de grande qualité requises pour y arriver correctement, en particulier dans le domaine de la santé. »
Mon message aux gens : « Prenez le temps de réfléchir à la gestion des données de recherche et de vous informer sur le sujet. Prenez le temps d’en apprendre davantage sur les pratiques exemplaires et sur la façon de veiller à ce que les données soient faciles à trouver, accessibles, interopérables et réutilisables. Vos recherches en bénéficieront assurément. »