- Speaker #0
Bienvenue dans Science Nume, le podcast de Télécom Sud Paris. La Grande École d'ingénieurs du numérique fait partie de l'Institut Polytechnique de Paris. Je suis Annick Dechenet. Dans ce podcast, je reçois des chercheurs et des chercheuses pour qu'ils nous exposent leurs travaux et leurs découvertes. L'idée est de partager avec vous les savoirs qui sont produits dans les laboratoires de recherche. Aujourd'hui, mon invité est Yannick Gottesman, il est expert en optique et imagerie calculatoire. Bonjour Yannick.
- Speaker #1
Bonjour Annick.
- Speaker #0
On aimerait mieux vous connaître, vous et votre parcours.
- Speaker #1
Oui, alors moi je suis enseignant-chercheur à Télécom Sud Paris. De formation, je suis physicien spécialisé en optique. Et au niveau du parcours, il y a une vingtaine d'années, j'ai travaillé essentiellement sur les composants auto-électroniques, notamment les lasers, les fibres, etc. pour alimenter le trafic télécom via les fibres. Et puis, plus récemment, je suis tourné vers les applications en santé.
- Speaker #0
Alors, qu'est-ce que vous cherchez à faire et qu'est-ce que c'est que l'imagerie calculatoire ?
- Speaker #1
L'objectif, c'est de développer des approches instrumentales qui vont permettre de mieux voir les tissus. Ça peut être l'œil, ça peut être les frottis sanguins. Et quand je dis mieux voir, c'est... Changer, en fait, dépasser les limitations ou les limites connues en optique conventionnelle pour avoir des résolutions plus fines que celles qu'on peut obtenir avec de l'optique pure, puisqu'on développe des méthodes d'imagerie calculatoire, donc il y a un terme un peu spécifique, en essayant d'impliquer justement ces nouvelles technologies de source qui ont été développées pour les télécoms, et puis les capteurs, etc. Donc c'est vraiment de développer des systèmes imageurs pour des applications de santé. C'est un sujet qu'on développe depuis une dizaine d'années, puisqu'il y a 20 ans, les composants télécom se sont énormément améliorés et on a cherché à voir quel potentiel ils pouvaient avoir dans d'autres applications. Et entre-temps est aussi arrivée l'intelligence artificielle. On a une équipe mixte qui travaille à la fois sur des problèmes de physique optique et d'intelligence artificielle pour essayer de développer de nouvelles applications en santé.
- Speaker #0
D'accord, mais quelle définition donnez-vous à l'imagerie calculatoire ?
- Speaker #1
Oui, alors c'est une vraie question. L'imagerie calculatoire, c'est des techniques d'imagerie sur lesquelles on mesure des échantillons, si on parle de biologie, si on parle de spatial, on va essayer d'observer des étoiles. Et plutôt que de chercher à faire une image directe de l'objet, on va recueillir plein d'informations qui vont être processées par des calculs, des équations physiques, de façon à former une image la plus précise possible, qu'on ne pourrait pas avoir avec de l'optique classique. Donc c'est un jeu de modèles, de mesures. qui vont être agrégés de façon à former une image et avoir de l'information sur l'objet. Donc il y a un a priori, c'est le modèle physique de ce qu'on cherche à observer.
- Speaker #0
Vous avez cité des applications dans le domaine de la santé. Est-ce que vous pouvez nous parler d'une pathologie sur laquelle vous travaillez ?
- Speaker #1
Ça peut comprendre la leucémie ou le paludisme. Ce sont deux grands exemples qui sont intéressants pour les pays européens ou occidentaux. Sur la leucémie, une des questions qui se posent, c'est comment faire un diagnostic assez rapide et précis tout en soulageant le temps expert. Puisque c'est une vraie question. Et pour ça, il est nécessaire d'observer des surfaces d'échantillons les plus larges possibles pour détecter, par exemple, des globules blancs qui sont anormaux, des globules rouges aussi qui pourraient avoir des formes anormales ou des plaquettes qui ont aussi des propriétés un peu différentes de celles qu'on attend. Donc il s'agit en fait de faire un diagnostic avec une surveillance d'échantillons la plus large possible de façon à repérer des événements rares sur ces surfaces qui sont très importantes. Et ça, on le fait avec des résolutions qui sont les plus élevées possibles, typiquement inférieures à 200 nanomètres, sur des surfaces de plusieurs millimètres carrés, voire du centimètre carré, de façon à repérer ces événements et être capable après d'identifier le type de leucémie et orienter le patient. Et donc, il faut beaucoup de temps pour un expert ou pour ces cételles d'imagerie, on espère pouvoir faciliter le travail. Par ailleurs, ces approches d'imagerie permettent de voir mieux. avec des résolutions plus fines, mais aussi voir d'autres types d'informations que celles qui sont observées avec un microscope classique. Donc c'est aussi de développer des nouveaux marqueurs pour repérer des relations entre l'origine de la maladie et son expression réelle. Typiquement, découvrir de nouvelles relations entre mutations génétiques et formes morphologiques pour faciliter les diagnostics et évidemment mieux prendre en charge les patients.
- Speaker #0
Vous avez cité l'arrivée de l'intelligence artificielle, alors est-ce que vous utilisez l'IA dans ces outils ?
- Speaker #1
Dans le travail, elle intervient suivant deux plans. Le premier, c'est pour réaliser ces images et obtenir ces images très spécifiques par la microscopie qu'on développe. Puisque dans ce type de microscopie, on a une super résolution qui est native par les principes qu'on utilise. Typiquement, pour fixer les ordres de grandeur, on peut avoir des facteurs de super résolution qui sont entre 5 et 6. C'est-à-dire qu'on augmente 6 fois la résolution qu'on pourrait obtenir avec un objectif de microscope conventionnel. Et pour ça, le prix à payer actuellement avec les approches calculatoires qu'on emploie, c'est un temps de mesure qui va être assez long.
- Speaker #0
D'accord.
- Speaker #1
Si on utilise les outils d'intelligence artificielle pour former ces images, on peut gagner un temps assez important puisque le nombre d'expositions, donc le nombre de prises de vue de l'échantillon qu'on doit prendre, va être réduit. Pour ça, on a développé un type d'intelligence artificielle assez spécifique. En tout cas, c'est la marque de fabrique de notre équipe. C'est ce qu'on appelle... les réseaux de neurones informés par la physique. Dans ces réseaux de neurones, les équations physiques sont connues et résolues par les approches neuronales. Donc ça, c'est le premier axe de développement. C'est pour améliorer les qualités d'image et réduire les temps de mesure. Le deuxième axe, c'est pour développer les marqueurs numériques et donc apprendre à détecter une cellule anormale et donc repérer très rapidement ces événements rares sur les frottis de façon à prendre en charge le patient.
- Speaker #0
Et sur le paludisme que vous avez cité, ça ressemble à quoi, vos travaux ?
- Speaker #1
L'appareil, il faut repérer des globules rouges qui sont infectés par le parasite. Et donc l'enjeu est le même, c'est repérer quelques cellules parasitées sur des millions et des millions. Les ordres de grandeur, c'est être capable de repérer un parasite parmi 800 000 cellules. Et donc une analyse ultra précise. Ces automates pourront faire le travail. Un autre exemple d'application, c'est sur les questions de résistance aux médicaments. Typiquement, quand vous arrivez dans un hospitalier et que vous êtes traité par antibiotiques, ce qu'on veut savoir assez rapidement, c'est est-ce que vous allez résister ou pas aux traitements. Et donc actuellement, les procédés usuels, c'est de mettre en culture, de vérifier s'il y a une croissance ou pas de la bactérie. S'il n'y a pas de croissance, on imagine que le médicament est efficace, sinon il n'est pas adapté à la bactérie en particulier. Et donc si on est capable d'avoir des informations plus fines, potentiellement ces phases de culture vont pouvoir être réduites, voire éliminées. Et donc on pourra traiter le patient de façon beaucoup plus efficace, avec une prise en charge immédiate, plutôt que d'attendre 24 heures ou 48 heures pour savoir que... le médicament n'est pas efficace.
- Speaker #0
Yannick Gautesman, on imagine que vous travaillez avec des partenaires sur ces sujets.
- Speaker #1
On travaille à la fois avec des industriels, des académiques et la PHP. Au plan industriel, on travaille avec une société qui s'appelle T-Life, qui est spécialisée en microscopie et qui cherche à commercialiser cette nouvelle génération de microscopie pour le diagnostic, donc réaliser des automates et des systèmes d'aide à la prise de décision pour les experts. Par ailleurs, on travaille évidemment sur les aspects un peu plus amants avec l'APHP et puis pour valider aussi tous ces aspects, puisque comme le système est complètement nouveau, il s'agit de vérifier quand même qu'il sait rendre le service attendu et qu'il aime même comprendre un peu son potentiel au-delà des applications actuelles. Et les équipes aussi de l'APHP sont souvent des équipes mixtes, APHP et INSEAM. Donc là, nous, on travaille avec l'APHP Saint-Antoine, Avicenne et puis l'appliquée Saint-Pétrière. Ça fait tout un cortège qui permet de façon cohérente d'adresser le problème sur des échelles de temps qui sont assez longues. Puisque c'est un travail de recherche, il faut que ce travail de recherche puisse être encadré sur des durées pas juste 3 ans ou 4 ans. Et donc l'environnement qu'on a le permet. Notamment aussi, je le mentionne, on a des projets de recherche dont un qui nous intéresse particulièrement, qui va être un projet phare. C'est sur le projet ANR qui s'appelle l'ANR Oped, dont l'objectif est de développer des nouveaux marqueurs spécifiques avec des éclairages. un peu particuliers, notamment dans les UV, pour étudier les globules bancs et comprendre un peu mieux comment ils réagissent. Et donc pouvoir amener des batteries d'examens supplémentaires qui ne sont pas possibles actuellement à cause des préparations des échantillons qui sont utilisés pour observer ces frottis.
- Speaker #0
Pour clarifier vos propos, ANR, Agence Nationale de la Recherche, est le nom du projet OPED, Optique, Physique, avec Intelligence Artificielle, pour le diagnostic. Pour finir, quel avenir voyez-vous pour l'imagerie calculatoire ?
- Speaker #1
Je pense que c'est un vrai tournant qui est en train d'être pris avec ces imageries calculateurs. On en a vu des exemples, par exemple pour la première image du trou noir qui a été réalisée il y a quelques années maintenant. Dans le domaine médical, c'est à la fois une histoire qui est ancienne, puisque les premières images de tomographie ont été faites par ces approches-là. Mais avec les capteurs et puis les possibilités technologiques, on est capable d'aller beaucoup plus loin maintenant. Et donc ça va se déployer sur plein d'applications différentes. C'est un axe de développement qui est très important. Donc évidemment, on cherche à faire des systèmes de microscopie. qui vont être les plus performants possibles, mais aussi on s'intéresse à des usages, par exemple de l'imagerie sans lentilles. Comment est-ce qu'on fait pour faire des microscopes ultra-compacts pour pouvoir faire des laboratoires très petits qui peuvent être déployables de façon légère en campagne et puis sur les différents territoires ? Pour donner un autre exemple, on peut penser notamment aux approches du MIT sur les questions de vision, puisque actuellement quand on a un problème de vision, ce qu'on met aux patients, c'est des lunettes. Dans ces problèmes d'imagerie, Plutôt que de mettre les lunettes sur le nez du patient, ce qui est en train d'être développé, c'est un exemple parmi tant d'autres, c'est de mettre des lunettes sur l'écran de façon à déformer la lumière qui sort de l'écran pour que quand elle arrive sur l'œil qui est malade, de façon à avoir une image nette. Ça change complètement les problèmes puisqu'on est capable de manipuler les photons de façon beaucoup plus précise et de faire des calculs par-dessus pour savoir comment les déformer ou les décoder. Les possibilités sont tellement grandes que ça change la position du problème par rapport à ce qui existe avant. Enfin, je crois.
- Speaker #0
Merci Yannick Gottesman d'avoir accepté de partager vos recherches et de nous avoir permis de mieux comprendre vos travaux sur l'optique et l'imagerie calculatoire. Je vous rappelle que Science Nîmes est un podcast soutenu par le Carnot Télécom et Société Numérique. Si vous êtes intéressé par la recherche dans le domaine du numérique, vous pouvez retrouver tous les épisodes précédents sur vos plateformes d'écoute préférées. A bientôt !
