Un groupe de chercheurs internationaux, parmi lesquels des chercheurs interuniversitaires ULB-VUB, ont publié une liste de recommandations visant à normaliser l'utilisation biomédicale de l'Intelligence artificielle (IA). Bien que l'IA représente un atout important dans la recherche biomédicale, il faut encore développer une approche correcte quant aux bases de données utilisées.
"La popularité de l'apprentissage automatique (champ d'étude de l'IA) donne aujourd'hui l'impression que de nouveaux outils utilisant l'IA peuvent être conçus sans vraiment consacrer beaucoup de temps aux données et aux véritables objectifs de ces outils. Ce n'est pas le cas", souligne le professeur Tom Len aerts, actuel directeur de IB² (l'Institut interuniversitaire de bio-informatique de l'ULB et de la VUB).
Dans les domaines médical et biologique, les scientifiques estiment qu'il faudrait consacrer plus de la moitié de son temps à la conception d'un ensemble de données de haute qualité. Leur liste de lignes directrices a été publiée dans la revue Nature Methods et a pour but d'aider ceux qui veulent construire ou publier une méthode de classification supervisée pour les sciences biologiques et médicales.
"En utilisant ces lignes directrices et en les ajoutant à la recherche, il sera possible d'élever les normes de l'apprentissage automatique dans la recherche biomédicale à un niveau supérieur", conclut le professeur Lenaerts.
> DOME: recommendations for supervised machine learning validation in biology
