Les recherches de l’ESTIN Béjaïa, menées par le doctorant Amine BECHAR, portent sur le diagnostic de pathologies comme le cancer et les maladies respiratoires. Ces travaux s’appuient sur l’utilisation de modèles de langage de grande taille (LLM) et de modèles de langage visuel (VLLM), des technologies capables de traiter et de raisonner sur des volumes massifs de données médicales complexes.
Une expertise théorique et internationale
Avant de concevoir ses propres outils, Amine a établi un état de l’art rigoureux. Il est l’auteur d’un article de revue majeur sur l’apprentissage fédéré et le transfert d’apprentissage pour l’analyse d’images cancéreuses. Ses travaux sur l’apport des Transformers et l’optimisation des modèles via la méthode LoRA ont également fait l’objet de publications dans des conférences internationales de référence (ICSPIS et BDCAT).
Publication dans IEEE Sensors Journal.
Une contribution centrale de la thèse concerne l’analyse des motifs respiratoires à partir de signaux ECG. Cette méthode transforme les signaux en images 2D via les champs angulaires de Gramian (GAF) pour permettre leur traitement par des modèles VLLM. Ces modèles visuels sont essentiels pour identifier des corrélations temporelles que les méthodes classiques peinent à détecter.
Référence académique : Ces résultats sont publiés dans la revue IEEE Sensors Journal (Q1) sous le titre : « 2D GAF-Enhanced Multimodal Vision Language Model for Breathing Patterns Analysis via ECG Sensing ».
Architecture pour l’oncologie.
Le chercheur a développé le système BioCancer-MoLA, basé sur une architecture de Mélange d’Experts (MoE). Ce modèle utilise des adaptateurs LoRA spécialisés pour les phases du parcours de soins : dépistage, diagnostic, traitement et suivi. L’utilisation des LLM permet ici d’interpréter des textes cliniques non structurés avec une expertise proche de celle des spécialistes.
Détection de l’asthme et fusion de données
Amine propose également le framework Breathing-AI. Ce système fusionne les signaux cardiaques et l’imagerie thermique pour identifier les anomalies liées à l’asthme. Les tests montrent que la fusion de modalités améliore la précision du diagnostic par rapport aux méthodes isolées. Cette approche multidimensionnelle marque une étape importante vers une médecine plus personnalisée et réactive.
Un travail rendu possible par l’ESTIN
La réalisation de ces modèles, qui impliquent des milliards de paramètres, a nécessité une puissance de calcul considérable. L’utilisation des stations de travail de l’ESTIN a été un facteur déterminant, offrant les ressources matérielles indispensables pour entraîner et valider des architectures aussi complexes.
Finalement, En combinant l’analyse textuelle, les signaux physiologiques et l’imagerie, ces travaux illustrent comment l’IA peut devenir un partenaire fiable pour le corps médical, garantissant une détection précoce et un meilleur suivi des patients.