Des chercheurs du Royal Veterinary College (RVC) ont développé une intelligence artificielle capable de détecter les fractures chez les chevaux avec une précision sans précédent. La technique, qui utilise le « transfert d’apprentissage » (transfer learning), promet de révolutionner le sport équestre et les soins vétérinaires en identifiant les blessures avant même qu’elles ne deviennent fatales.
Dans le monde du cheval, et en particulier dans les courses hippiques, les fractures représentent un risque majeur tant pour l’animal que pour le cavalier. Souvent, de petites fissures ou des changements osseux précoces sont à peine visibles à l’œil humain sur les radiographies ou les scanners traditionnels. Au moment où une fracture devient clairement visible, il est souvent déjà trop tard.
De l’humain au cheval
La nouvelle technique d’IA est unique parce qu’elle a été entraînée sur une immense base de données de fractures osseuses humaines. Grâce à une méthode appelée apprentissage par transfert (transfer learning), les chercheurs, dirigés par le Dr Ahmed, ont ensuite « affiné » ce modèle avec des données spécifiques aux chevaux. Ainsi, l’IA n’a pas eu besoin d’apprendre à partir de zéro ce qu’est un os de cheval, mais a pu appliquer aux chevaux les schémas complexes qu’elle connaissait déjà à partir d’images médicales humaines.
Le résultat est impressionnant : le système peut non seulement identifier des fractures dans différents types de scans (comme les radiographies et les IRM), mais aussi les localiser avec une grande précision. Lors des tests, le modèle a atteint une précision comprise entre 71 % et 84 %, selon le type de scan et l’angle de la prise de vue.
Prévenir les blessures catastrophiques
L’objectif final des chercheurs est la prévention. En collaboration avec le Hong Kong Jockey Club, l’IA est actuellement utilisée pour surveiller les changements osseux précoces chez les chevaux de course. En scannant régulièrement les chevaux et en faisant analyser les images par l’IA, les vétérinaires peuvent intervenir (par exemple en prescrivant du repos) avant qu’une petite fissure ne se transforme en fracture catastrophique pendant une course.
Une utilisation plus large
Bien que l’accent soit actuellement mis sur les chevaux, l’équipe du RVC souligne que la technique pourrait être utilisée beaucoup plus largement. Comme le modèle « apprend » à partir de différentes anatomies, il pourrait à l’avenir être adapté aux chiens, chats et autres espèces animales. L’étude a récemment été publiée dans la revue scientifique Bioengineering et est considérée comme une étape importante dans le développement de la médecine vétérinaire numérique.
