Les technologies biomédicales portables et implantables tirant parti des progrès récents de l’apprentissage automatique, de l’intelligence artificielle (IA) de pointe et de l’internet des objets s’améliorent à une vitesse remarquable. Ces systèmes reposent généralement sur l’utilisation d’ensembles de données massives et de puissants algorithmes qui doivent être externalisés ou réduits pour être déployés dans des applications embarquées pratiques. Alors que l’infonuagique peut minimiser le besoin de puissance de traitement locale, les systèmes portables en temps réel, et en particulier ceux destinés aux applications biomédicales, doivent éviter les problèmes qui peuvent survenir lors du transfert de données vers le nuage, notamment la latence et l’instabilité des réseaux. Les systèmes qui peuvent mettre en œuvre l’apprentissage automatique localement sont donc souhaitables. Ce séminaire couvre la conception de microsystèmes intelligents incorporant des méthodes d’apprentissage automatique et d’analyse de données sur puce. Des stratégies sur circuits intégrés sont présentées pour effectuer l’analyse des données directement dans la puce afin d’éviter les délais et la latence, permettant ainsi d’interagir en temps réel et en boucle fermée avec des systèmes biomédicaux intelligents.

Le premier volet de cette présentation couvre la conception d’outils expérimentaux innovants pour étudier le développement des maladies du cerveau et pour valider de nouveaux médicaments et thérapeutiques innovantes contre les maladies neurodégénératives du vieillissement. Dans le cadre d’une initiative de recherche Canada-France soutenue par la Fondation de la famille Weston, l’équipe du professeur Gosselin a mis au point une plateforme légère et sans fil permettant d’étudier le cerveau et les maladies qui lui sont associées en temps réel. Cette plateforme constitue le premier outil de neuroscience sans fil combinant la photostimulation pour l’optogénétique et l’enregistrement électrophysiologique dans le même dispositif, ce qui permet d’étudier le cerveau en boucle fermée avec une latence quasi nulle pour la première fois. Son équipe a conçu une puce spécialisée qui est utilisée à l’intérieur de cette plateforme implantable unique pour analyser localement l’activité neuronale complexe avec une latence très faible. En tirant parti de l’intelligence artificielle intégrée à la puce, leur implant compte parmi les premiers systèmes permettant d’analyser des données neuronales localement (directement à l’intérieur de l’implant) afin de fournir aux futures applications révolutionnaires en médecine et en soins de santé une boucle fermée fiable et authentique, sans latence ni instabilité du réseau.