Un correcteur relit un manuscrit avant impression. Il ne connaît pas toutes les erreurs possibles, mais il se souvient parfaitement de ce à quoi ressemble un texte impeccable. S'il voit un symbole étrange ou un mot flou, il entoure immédiatement l'endroit en rouge. C'est à peu près ainsi que fonctionne le nouveau programme de vérification des images médicales.
Les chercheurs ont appris à un réseau de neurones à reconnaître les anomalies sur des IRM du bassin et du cerveau. D'abord, l'algorithme a « compressé » des milliers d'images normales en un ensemble d'éléments simples — comme un peintre qui décomposerait un tableau en coups de pinceau. Ensuite, il a mémorisé les combinaisons de ces éléments les plus fréquentes. Lorsqu'une nouvelle image arrive, le programme cherche les incohérences : un élément qui sort du motif habituel, ou une distorsion qui ressemble à un artefact. Ces zones reçoivent un score d'« étonnement » élevé, et le programme les met en évidence sur une carte thermique.
Cette approche est importante pour la radiothérapie, où même un petit défaut sur l'image peut entraîner une erreur dans le calcul de la dose d'irradiation. Le programme devient un maillon de contrôle : il élimine les images « abîmées » avant qu'elles ne soient vues par le principal intelligence artificielle de diagnostic. Et la mise en évidence des zones suspectes aide le médecin à comprendre rapidement ce qui n'a pas fonctionné — comme un correcteur qui ne se contente pas de cocher, mais montre précisément où l'encre a bavé.
Le programme n'a été entraîné que sur des images normales — il n'a jamais vu d'exemple de défaut. Il détecte les anomalies simplement parce qu'elles ne correspondent pas au schéma habituel, comme une fausse note dans une mélodie familière.
Dans le film « Minority Report », un système prédit les crimes en analysant des images du futur. Ici, le principe est similaire : l'algorithme « prédit » la norme et remarque l'écart, mais il travaille sur des images médicales.