Nils Daniel Forkert

Résumé

Dans un monde axé sur les données, l’apprentissage automatique devrait être un outil essentiel pour convertir les données massives en avantages concrets. Mais il faut généralement de nombreux ensembles de données pour former des modèles d’apprentissage automatique robustes et précis. Cela constitue un obstacle majeur, qui fait qu’on ne peut les utiliser dans des applications en santé. En conséquence, les nouvelles approches d’exploration de données et d’apprentissage automatique pourraient ne pas atteindre leur véritable potentiel pour le diagnostic et le traitement des patients atteints de maladies neurologiques.

En tant que titulaire de la Chaire de recherche du Canada en analyse d’images médicales, Nils Daniel Forkert élabore un nouveau système de formation de modèles d’apprentissage automatique qui ne nécessite pas de partage de données ni de collecte centralisée. À la place, les données de patient utilisées ne quittent pas l’établissement contributeur et ne sont utilisées que localement, pour former des modèles d’apprentissage automatique sur place. En utilisant cette approche, M. Forkert et son équipe de recherche permettent de former de nombreux modèles d’apprentissage automatique avancés en vue du diagnostic assisté par ordinateur, ce qui aura un impact considérable sur la recherche en neurosciences et au-delà.