L'IRM cérébrale apprend à ne pas oublier express
Un médecin passe des années à apprendre à reconnaître les maladies sur les images du cerveau. D'abord, il repère parfaitement les signes du vieillissement, puis il maîtrise les tumeurs – et soudain, il se met à confondre ce qu'il savait auparavant. C'est à peu près ce qui arrive à de nombreux réseaux de neurones : les nouvelles connaissances effacent les anciennes.
Le nouveau modèle Alcmaeon résout ce problème grâce à une approche qui rappelle les notes en marge d'un manuel. La méthode Graph-Blueprint Pruning identifie dans le réseau des « notes de référence » – des groupes de connexions essentiels pour les maladies déjà étudiées. Ces notes sont figées, tandis que le reste du réseau continue librement d'apprendre sur de nouvelles données. Le modèle a été testé sur quatre domaines : le vieillissement sain, la neurodégénérescence, le développement cérébral et les tumeurs. Lors du passage aux tumeurs, les anciennes compétences ont été les mieux préservées – le réseau n'a pas désappris ce qu'il voyait auparavant.
Fait curieux, les « notes » se sont révélées différentes selon les tâches. Pour la classification des maladies, certaines couches du réseau fonctionnaient mieux ; pour la prédiction de la survie, d'autres. Il n'y a pas de recette universelle, mais l'approche elle-même donne l'espoir de créer des assistants médicaux vraiment durables. Car le cerveau, contrairement à l'ordinateur, sait apprendre toute sa vie sans effacer les vieux souvenirs – et Alcmaeon fait un pas dans cette direction.
La méthode Graph-Blueprint Pruning fonctionne comme des « notes protégées » dans un carnet : vous ne pouvez pas effacer accidentellement les formules importantes, mais sur les pages vierges, vous écrivez ce que vous voulez.