Quand l’intelligence artificielle comble les trous : une méthode inédite pour analyser le comportement animal

Aujourd’hui, avec les nouvelles technologies de suivi, on peut enregistrer les moindres mouvements des parties du corps d’un animal — souris, poisson, insecte — au millimètre près, et cela, à chaque fraction de seconde. C’est extraordinaire, mais cela crée un nouveau problème : il y a toujours des petits ratés, des données qui disparaissent ou qui sont incomplètes. Et ces « trous » peuvent rendre toute l’analyse, qui est déjà complexe, tout simplement impossible.

Mais, fort heureusement, une équipe de recherche a décidé de s’attaquer de front à ce problème. Elle était menée par la professeure Dr. Katarzyna Bozek du Centre de Médecine Moléculaire de Cologne (CMMC) et du CECAD Cluster of Excellence on Aging Research.

Au lieu de simplement deviner le mouvement manquant, le système examine toute la séquence, se demandant : compte tenu de ce que la souris faisait juste avant et juste après, quelle est la trajectoire la plus probable pour la patte qu’on a perdue de vue ? Leurs travaux, publiés dans la prestigieuse revue Nature Methods, ont bénéficié de collaborations internationales, notamment avec l’Institut des sciences et technologies d’Okinawa (OIST) au Japon, ce qui prouve la portée globale de cette avancée.

Comme l’a dit le Dr. France Rose, la première auteure de l’étude, l’objectif était de rendre cet outil utilisable par une large communauté de chercheurs sans qu’ils aient besoin d’être des experts en intelligence artificielle. De plus, DISK ne se contente pas de ‘réparer’ les données; il donne aussi une estimation en temps réel de la qualité de cette récupération. On sait donc si les informations ajoutées sont fiables ou non. C’est une transparence très appréciée dans le monde scientifique, n’est-ce pas ?

Les chercheurs ont d’ailleurs démontré que DISK pouvait améliorer considérablement la robustesse des résultats. Par exemple, lorsque vous comparez les dynamiques de déplacement (la façon de marcher, les petits pas) entre deux groupes de souris testant différents traitements pharmaceutiques. L’utilisation de DISK augmente ce qu’on appelle la puissance statistique, ce qui veut dire que la confiance que l’on accorde à la conclusion (le traitement marche ou ne marche pas) est bien plus élevée. C’est capital pour l’avancement de la médecine.

Cette approche novatrice de quantification du comportement grâce aux réseaux neuronaux de type Transformer va, je le suppose, trouver des applications incroyablement larges. Cela pourrait nous aider à mieux comprendre les maladies neurologiques ou liées à l’âge, puisque l’analyse comportementale est souvent la première fenêtre que nous avons sur ces troubles. L’amélioration de la qualité des données comportementales est un pas de géant vers une science plus précise et, par conséquent, vers des traitements plus efficaces à l’avenir.