Sur l’écran, une tumeur peut d’abord ressembler à une forme claire dans une masse grise. Un médecin la regarde, la mesure, la compare. La radiomique ajoute une autre lecture: texture, intensité, contours, variations internes. Elle transforme une image médicale en série de données que l’on peut analyser, comparer et, parfois, croiser avec des modèles d’intelligence artificielle.
C’est ce champ que l’UVSQ met en avant avec une formation de trois jours, « Radiomique: théorie et pratique », prévue du 18 au 20 mai à l’Institut Curie, à Paris. La formation ne se tient pas dans les Yvelines, mais elle éclaire un mouvement déjà visible autour de l’université de Versailles Saint-Quentin-en-Yvelines, de la santé et de Paris-Saclay: l’image médicale devient aussi un objet de données.
Le contenu donne une idée assez précise du virage en cours. Il ne s’agit pas seulement d’apprendre à lancer un logiciel sur des images. Les participants travaillent aussi sur la préparation des données, la définition des zones à analyser, l’extraction de caractéristiques, l’évaluation des modèles et la reproductibilité des résultats. Les ateliers utilisent notamment LIFEx, un logiciel gratuit conçu pour l’imagerie médicale.
Cette partie pratique est importante. Elle évite le récit commode d’une intelligence artificielle qui verrait mieux que le médecin par simple magie statistique. En radiomique, une même image ne raconte pas forcément la même chose selon la machine, le réglage, la méthode utilisée pour tracer la zone d’intérêt ou la qualité des données de départ. Avant d’aider à suivre une tumeur ou à orienter une décision clinique, il faut donc vérifier que les mesures tiennent debout.
C’est aussi pour cela que la formation a un intérêt local au-delà de son calendrier. À Montigny-le-Bretonneux, l’UFR Simone Veil - Santé forme déjà plusieurs milliers d’étudiants et de professionnels. À l’UVSQ, une fédération consacrée à l’intelligence artificielle comprend un axe soins et santé. La radiomique se place exactement à ce croisement: assez médicale pour parler aux cliniciens, assez quantitative pour demander des compétences en statistiques, en informatique et en traitement d’image.
La promesse est réelle, mais elle avance sous contrainte. Les données de santé sont protégées. Les modèles doivent être testés. Les résultats doivent pouvoir être expliqués. La CNIL rappelle que le développement ou l’évaluation d’outils d’intelligence artificielle en santé suppose un cadre strict. La Haute Autorité de santé travaille, elle aussi, à l’évaluation des technologies numériques et de l’IA appliquée aux soins.
Pour un lecteur des Yvelines, le sujet ne tient donc pas dans une annonce de formation de plus. Il montre où se prépare une partie de la médecine à venir: dans des logiciels ouverts, des protocoles partagés, des formations courtes et des métiers qui apprennent à se comprendre. Lire une image médicale restera une compétence humaine. Il faudra aussi savoir d’où viennent les données qu’on en tire, et jusqu’où on peut leur faire confiance.