L’intelligence collective au service de la santé

Date :
Mis à jour le 22/04/2020
Des mathématiciens du centre Inria Lille-Nord Europe ont collaboré pendant près de trois ans avec une multinationale du secteur de la santé. Leurs recherches ont permis de développer un outil d’aide à la conception de laboratoires d’analyses médicales. Ces travaux exploitent des algorithmes d’optimisation, dont les usages intéressent les industriels de secteurs variés. Retour sur un transfert technologique réussi.
Illustration santé
© Jakkapan - AdobeStock

 

Spécialisée dans la fabrication d’appareils scientifiques pour la biologie et la médecine, Beckman-Coulter accompagne les professionnels de la santé en développant une gamme de services destinés à améliorer la qualité des soins prodigués à leurs patients. Fournir toutes les informations nécessaires à un diagnostic précis est l’une de ses offres : Beckman-Coulter fait ainsi de la conception, l’installation et l’utilisation de laboratoires d’analyses médicales un axe majeur de développement. Avec le centre Inria Lille-Nord Europe et ses experts en optimisation, l’entreprise américaine a trouvé un partenaire scientifique pour l’accompagner sur ses objectifs.

Optimiser la production : un problème mathématique complexe

Un laboratoire d’analyse concentre des moyens variés : il traite quotidiennement entre 50 000 et 100 000 échantillons, exploitant une dizaine de machines différentes, opérés par une dizaine de spécialistes. Comment utiliser au mieux ces ressources, réduire les délais de traitement, tout en garantissant la qualité des analyses – et ceci sur la durée d’exploitation du laboratoire, soit plusieurs décennies ? La réponse à cette question est loin d’être simple tant les paramètres à prendre en compte, et leurs combinaisons, sont nombreux !

Les mathématiciens de l’équipe Bonus*  travaillent depuis une trentaine d’année sur des méthodes « d’optimisation en grande dimension », susceptibles d’apporter à Beckman-Coulter des réponses pertinentes. Ces outils mathématiques permettent de résoudre des problèmes avec un grand nombre de variables ou de contraintes, tels qu’on les rencontre dans le domaine de la « recherche opérationnelle » ou dans les techniques « d’apprentissage automatique ».

Expert en optimisation et responsable de l’équipe Dolphin (devenue Bonus) jusqu’en 2017, El-ghazali Talbi explique : « Ces méthodes permettent par exemple aux entreprises de transport et de logistique de choisir les meilleurs emplacements de magasins, d’optimiser une flotte de véhicules, de réduire les délais de livraison ; aux opérateurs des télécommunications de placer des antennes, d’en assurer la maintenance ; aux industriels de l’énergie de concevoir un réseau de production et de distribution, en variant les sources et en répondant aux fluctuations de demande, etc. ».

Des algorithmes inspirés du vivant

Les chercheurs de Bonus travaillent en particulier sur des « algorithmes évolutionnaires », une classe de méthodes mathématiques inspirées des solutions que trouvent certaines colonies d’animaux pour résoudre efficacement des problèmes à grand nombre de paramètres (voir encadré). « Nos recherches nous ont déjà conduit à de nombreuses collaborations avec le monde industriel, dans les secteurs cités : La Redoute, le Cnes*, EDF, l’Onera*, Orange et T-Mobile ont déjà fait appel à nos compétences. »

La conception et l’optimisation d’un laboratoire d’analyse médicale pose cependant aux scientifiques des défis nouveaux. « Nous avons développé un outil global, permettant de prendre des décisions sur des objectifs ‘stratégiques’ (à l’horizon d’une décennie), ‘tactiques’ (à l’échelle du mois) ou ‘opérationnelles’ (ayant une incidence sur l’activité quotidienne). Ainsi par exemple : quelle machine acheter et comment la placer dans les locaux (enjeu stratégique), comment la configurer afin de réaliser les analyses (décision tactique) et dans quel ordre y affecter les échantillons à analyser (question opérationnelle). Ces différentes questions, et les échelles de temps qu’elles invoquent, étant interdépendantes, le nombre de combinaisons à envisager devient rapidement très important ! »

Beckman-Coulter/Inria : une collaboration efficace et des résultats

Illustration santé
© BillionPhotos.com - AdobeStock

Afin de proposer une solution pertinente, les chercheurs impliqués dans ce projet ambitieux (un budget de 500 000 € sur trois ans mobilisant à Inria un doctorant, un ingénieur et un expert) ont travaillé en étroite collaboration avec les experts métier de la société Normand Info. « L’originalité scientifique du projet tient aussi à la réponse que nous avons apportée : lors des travaux de thèse de Sohrab Faramarzi, nous avons couplé les techniques d’optimisation avec des modèles mathématiques simulant les machines d’analyse et leur utilisation. Élaborées spécifiquement pour ce projet, ces simulations bénéficient des connaissances des équipes de Beckman-Coulter, avec lesquelles nous échangions sur un rythme hebdomadaire. Sans leur expertise, les modèles développés n’auraient pas atteint la précision requise par les algorithmes d’optimisation… »

Cette étroite collaboration a donné lieu au dépôt de plusieurs brevets ainsi qu’au développement d’outils destinés à la configuration ou reconfiguration d’installations et à l’optimisation de l’exploitation de laboratoires. « Les solutions proposées sont également transposables à d’autres systèmes de production et nous nous attendons à d’autres collaborations avec le monde industriel », conclut El-ghazali Talbi.


* Bonus (Big Optimization aNd Ultra Scale computing – pour « optimisation de grande dimension et calculs à grande échelle ») est une équipe mixte de recherche du centre Inria Lille-Nord Europe commune avec le laboratoire CRIStAL (Centrale Lille - CNRS - Université de Lille). Elle est constituée de 5 chercheurs permanents et d’une dizaine de doctorants et postdoctorants.

Cnes : Centre national d’études spatiales.

Onera : Office national d'études et de recherches aérospatiales.

De l’intelligence des essaims à l’optimisation de grande dimension

Essaim
© Marina Foteeva - AdobeStock

 

Acheminer de la nourriture pour la colonie, identifier la position de fleurs à butiner et en informer l’essaim, évoluer en vol lors de longues migrations : fourmis, abeilles et oiseaux trouvent des solutions à des problèmes complexes, en coordonnant l’action de chaque individu, tout en minimisant leur effort. Les mathématiciens s’intéressent à cette « intelligence du vivant » pour proposer des algorithmes résolvant efficacement certains problèmes d’optimisation. Les « algorithmes évolutionnaires », issus de cette approche, sont par exemple utilisés par les chercheurs de l’équipe Bonus pour des problème de grande dimension.