Un anévrisme est un point faible sur la paroi d'un vaisseau qui se gonfle comme une bulle sur une vieille chambre à air de vélo. Si la bulle éclate, le sang se déverse dans le cerveau. Les médecins doivent évaluer la tension sur la paroi de l'anévrisme pour décider d'opérer ou de surveiller. Auparavant, ils construisaient un modèle informatique de l'écoulement sanguin : ils définissaient la forme du vaisseau, la pression, la viscosité du sang, puis calculaient pendant des heures sur des machines puissantes.
Désormais, un réseau de neurones fait la même chose en un instant. On lui présente uniquement la forme de l'anévrisme — un maillage tridimensionnel, comme une armature métallique de la bulle. Le réseau est entraîné sur des milliers d'exemples où la forme est déjà associée aux résultats de longs calculs. Il a appris la relation cachée : quelles courbures et irrégularités de surface créent une tension dangereuse.
L'astuce principale réside dans l'entraînement. Les calculs précis qui tiennent compte de la pulsation sanguine sont coûteux, et ces données sont rares. En revanche, on peut générer à moindre coût et en grande quantité des calculs statiques, sans pulsation. Les chercheurs ont mélangé les deux types : quelques exemples coûteux « vivants » et beaucoup d'exemples bon marché « figés ». Le réseau de neurones en est devenu plus précis, surtout lorsque les données coûteuses sont très rares.
C'est comme apprendre à conduire : d'abord, on tourne longuement le volant sur place, puis on roule un peu pour de vrai — et la compétence se construit. Au final, le médecin obtient une carte des contraintes sur la paroi de l'anévrisme en quelques secondes, au chevet du patient. La décision d'opérer peut être prise plus rapidement et avec plus d'assurance.
Le cerveau humain contient environ 100 milliards de neurones, tandis que le réseau de neurones de cette étude compte plusieurs millions de paramètres. Mais le réseau apprend à partir de données plus vite qu'un étudiant en médecine n'apprend dans ses manuels.