Speakers > Keynotes
Titre : Imagerie chirurgicale hyperspectrale pilotée par l’intelligence artificielle : de l’information spectrale à l’intelligence chirurgicale Résumé : L’imagerie hyperspectrale (IHS) transforme en profondeur notre manière d’observer et de comprendre le champ opératoire. En exploitant des dizaines de bandes spectrales étroites, elle permet une caractérisation fine des tissus biologiques, bien au-delà des capacités de l’imagerie RGB conventionnelle ou même de la fluorescence. Toutefois, son intégration dans la pratique chirurgicale nécessite bien plus que des avancées matérielles. Cette présentation montrera comment les progrès récents en apprentissage automatique temps réel favorisent l’émergence d'une nouvelle génération d’imagerie chirurgicale hyperspectrale pilotée par l’intelligence artificielle. Seront notamment abordés les développements en reconstruction auto-supervisée, en cartographie quantitative des propriétés des tissus et en segmentation sémantique hiérarchique. Nous illustrerons comment ceux-ci permettent une interprétation robuste et une visualisation opérationnelle de l’information spectrale complexe, tout en s’intégrant de manière fluide aux flux opératoires. L’alliance de la richesse spectrale de l’IHS et de la capacité d'interprétation de l’intelligence artificielle préfigure une chirurgie plus sûre, plus précise et plus analytique. Bio : Tom Vercauteren est professeur d’imagerie médicale computationnelle à King’s College London, où il dirige l'équipe CAI4CAI. Il est également cofondateur et directeur scientifique de Hypervision Surgical, une entreprise spécialisée dans l’imagerie hyperspectrale intra-opératoire. De 2018 à 2023, il a occupé la chaire Medtronic / Royal Academy of Engineering en apprentissage automatique pour la neurochirurgie assistée par ordinateur à King’s. De 2004 à 2014, il a dirigé l’équipe de traitement d'images de Mauna Kea Technologies, Paris, concevant des solutions informatiques pour l’appareil de biopsie optique de l’entreprise, aujourd’hui utilisé dans des centaines d’hôpitaux dans le monde. Diplômé de l’Université Columbia et de l’École Polytechnique, il a obtenu son doctorat de l’Inria en 2008. Ses recherches portent sur l’informatique médicale translationnelle, l’apprentissage automatique et les dispositifs d’imagerie interventionnelle, avec un accent particulier sur leur application en chirurgie et en médecine interventionnelle. Son équipe est reconnue pour ses contributions au logiciel libre, ainsi que pour l'implication des patients et l'engagement du public.
---------------------------------------------------------------------------------------------------------------------------------------------
Titre : Imagerie multimodale et intelligence artificielle pour la modélisation computationnelle des tumeurs et de leur microenvironnement Résumé : Après plusieurs décennies de recherche en biologie du cancer principalement centrée sur les cellules tumorales en culture, l’avènement de l’immunothérapie a ravivé l’intérêt pour les cellules non malignes (immunitaires, vasculaires ou fibroblastiques) ainsi que pour les composants structuraux du microenvironnement tumoral. Les approches d’imagerie tissulaire multiparamétrique, telles que l’immunofluorescence multiplexe quantitative et les techniques d’imagerie spatiale multiparamétrique (high-plex spatial imaging), ont profondément transformé l’immunohistochimie traditionnelle, en permettant une analyse in situ fine du phénotype et de la distribution spatiale de l’ensemble des cellules au sein des tumeurs. Le renforcement des interactions entre data scientists, biologistes, pathologistes et oncologues est essentiel pour développer ces approches intégratives et favoriser leur transfert vers la clinique, au bénéfice d’une médecine plus personnalisée. Dans ce but, nos travaux s’inscrivent dans un programme de recherche multicentrique et interdisciplinaire visant à identifier des marqueurs prédictifs de réponse à l’immunothérapie. La présentation portera sur la cartographie spatiale de la microarchitecture de la matrice extracellulaire et ses relations avec la distribution des cellules tumorales et immunitaires dans les tumeurs de la sphère ORL. Bio : Ellen Van Obberghen-Schilling, titulaire d’un B.Sc. en biologie de Purdue University (USA) et d’une Thèse d’État de l’Université de Nice, est Directrice de Recherche Inserm Emérite à l’Institut de Biologie Valrose (Inserm U1019-CNRS-UMR7277-Université Côte d’Azur) à Nice. Dans le cadre de ses travaux portant sur l’analyse d’images biologiques et histologiques, elle a obtenu, elle a obtenu en 2019 une chaire Inserm à l’Institut Interdisciplinaire d’Intelligence Artificielle de l’Université Côte d’Azur. Elle est cheffe de projet au sein des équipes « Signalisation, Récepteurs de mort et Thérapies anti-tumorales » et « Morphème », coordinatrice scientifique du plateau d’histopathologie expérimentale de l’iBV et coprésidente du comité de pilotage translationnel du Groupe Tête et Cou d’Unicancer.
---------------------------------------------------------------------------------------------------------------------------------------------
Titre : Beyond transparency: interactive and conversational explanations for user empowerment Résumé : Despite a long history of research on explanations in Machine Learning, AI, and Recommender Systems, current efforts face unprecedented challenges: contemporary models are more complex and less interpretable than ever. As such models are increasingly embedded in day-to-day applications, justifying their decisions to end users has become increasingly crucial. In addition, several researchers have voiced the need for conversational and interactive explanations as a core requirement to support user empowerment. Such interaction methods enable users to steer models through input and feedback. In this talk, I will present our work on interactive explanation methods tailored to the needs of end users, such as healthcare professionals and job seekers. I will also discuss our work on combining data-centric and model-centric explanations to support user feedback, enhance model understanding, and address issues such as bias and trust. Our results highlight how interactive and conversational approaches can transform explainability from a passive presentation of information into an active, collaborative process in which users and AI systems learn and adapt together. Bio : Katrien Verbert is professor at the Department of Computer Science at KU Leuven. She obtained a doctoral degree in Computer Science in 2008 at KU Leuven, Belgium. She was a postdoctoral researcher of the Research Foundation – Flanders (FWO) at KU Leuven. She was an Assistant Professor at TU Eindhoven, the Netherlands (2013 –2014) and Vrije Universiteit Brussel, Belgium (2014 – 2015). Her research interests include visualisation techniques, recommender systems, explainable AI, and visual analytics. She has been involved in several European and Flemish projects on these topics, including the EU ROLE, STELLAR, STELA, ABLE, LALA, PERSFO, Smart Tags and BigDataGrapes projects. She is also involved in the organisation of several conferences and workshops (program chair IUI 2025, program chair RecSys 2024, general chair IUI 2021, program chair LAK 2020, general chair EC-TEL 2017, program chair EC-TEL 2016, workshop chair EDM 2015, program chair LAK 2013 and program co-chair of the EdRecSys, VISLA and XLA workshop series, DC chair IUI 2017, DC chair LAK 2019).
|
