Contexte
L’axe « Sciences de la vie, santé et IA » reflète les enjeux sociétaux “One Health” de l’EPE en intégrant
des technologies d’IA dans les domaines interconnectés de la santé humaine, animale, végétale et
environnementale.
Reconnaissant les dépendances complexes entre ces domaines, cet axe stimulera le développement
de solutions basées sur l’IA pour relever des défis cruciaux. En exploitant les forces existantes de l’UBE
en IA, sciences de la santé, sciences de l’alimentation, sciences du consommateur, agroécologie,
biodiversité, climat et études environnementales, cet axe favorisera la recherche interdisciplinaire.
Tirant parti du potentiel de l’IA dans des domaines tels que l’analyse de données complexes et
hétérogènes, la modélisation prédictive et le diagnostic, l’axe « Sciences de la vie, santé et IA »
contribuera à une compréhension holistique de la santé.
Les enjeux/challenges scientifiques seront entre autres liés aux données faiblement annotées (et le
cas échéant le développement de méthodes faiblement supervisées ou auto-supervisées),
l’association de données multimodales non appariées, des données médicales souvent mono
centriques (et mono-scanner) engendrant des problèmes de généralisation ou de changement de
domaine, le besoin d’explicabilité et d’interprétabilité des modèles et des décisions, la robustesse et
l’incertitude des modèles, et au final l’appropriation des solutions développées par les professionnels
de santé. Ces aspects amont seront traités dans différents cas d’usages et défis.
Défi 1 : Intégration et analyse de données « One Health » par l’IA
L’expertise interdisciplinaire de l’UBE dans les domaines : sciences de la santé, sciences de
l’alimentation et du consommateur, sciences de l’évolution, du climat et de l’environnement,
écologie… lui permet de relever des défis complexes, à l’intersection de ces domaines. L’un des enjeux
majeurs et d’intégrer ces sources de données diverses, à l’aide de l’IA, pour obtenir une
compréhension globale des enjeux « One Health ». Pour ce faire, ce défi développe des chaînes de
traitement pour des données complexes et hétérogènes provenant de divers domaines (santé
humaine, santé animale, comportement alimentaire, données environnementales et agricoles) :
collecte, structuration, documentation, analyse, méta-analyse, etc.
Défi 2 : Diagnostic assisté par l’IA et solutions de soins de santé personnalisées
Nous nous intéressons dans ce défi aux outils de l’IA pour aider les professionnels de la santé à
diagnostiquer les maladies chez les humains, les animaux et les végétaux. Ce défi a pour objectif
d’analyser les données des patients hétérogènes (génomique, expositions environnementales…), afin
de développer des plans de traitement personnalisés. Cela inclut des applications dans des spécialités
telles que la cardiologie, la réadaptation, la néphrologie, l’anatomopathologie et la biologie… Il s’agit
également de proposer des traitements automatisés (segmentation d’organes, analyse de forme) à
grande échelle pour identifier de nouveaux biomarqueurs/prédicteurs.
Défi 3 : Modélisation prédictive basée sur l’IA pour la prévention des maladies et la gestion
environnementale
Il s’agit ici de tirer parti des importantes collections biologiques, anatomopathologiques et de données
génomiques de UBE en développant des modèles d’IA capables de prédire l’évolution ou l’apparition
des maladies chez les humains, les animaux et les plantes.
Par ailleurs, l’IA sera utilisée pour prévoir les impacts des changements environnementaux sur la santé
humaine, animale et végétale.
Défi 4 : Implications éthiques et sociétales de l’IA dans les soins de santé
Les implications éthiques de l’IA dans le domaine de la santé sont considérables. C’est pourquoi, ce
défi est dédié à la confidentialité et à la sensibilité des données, biais algorithmiques et l’explicabilité
des modèles d’IA (XIA).
Défi 5 : l’IA au service de l’alimentation durable
Le système alimentaire actuel fait face à des défis complexes, notamment la croissance des maladies
chroniques liées à une alimentation déséquilibrée, telles que l’obésité, le diabète et les maladies
cardiovasculaires. Sur le plan environnemental, la production alimentaire est une source majeure
d’émissions de gaz à effet de serre, de consommation d’eau et de dégradation des écosystèmes. Ces
problèmes s’ajoutent à des inégalités sociales qui limitent l’accès à des aliments sains et durables pour
une partie de la population. Ce défi porte sur l’utilisation de l’IA pour proposer des solutions
innovantes pour répondre aux enjeux d’une alimentation durable en considérant toute la chaîne de
valeur alimentaire depuis la production jusqu’au comportement des consommateurs (« de la fourche
à la fourchette »).
