
QC Ware, une société leader de logiciels et de services quantiques, a annoncé aujourd'hui qu'un projet de recherche conjoint avec l'une des principales sociétés de biotechnologie au monde a débloqué de nouvelles découvertes dans l'analyse et le diagnostic de l'imagerie médicale, tirant parti de l'informatique quantique pour mieux détecter la présence et le type de rétinopathie diabétique .
Leurs recherches ont montré que les nouveaux algorithmes d'apprentissage automatique de l'informatique quantique simulée surpassent l'informatique classique dans certains cas dans l'analyse d'images médicales rétiniennes open source pour détecter la rétinopathie diabétique.
L'annonce est intervenue alors que l'adoption de l'apprentissage automatique continue d'accélérer les diagnostics médicaux, démontrant la puissance que l'informatique quantique peut avoir pour optimiser considérablement la science des données en médecine.
Selon une recherche appelée "Quantum Vision Transducers", les modèles de transducteurs quantiques ont des performances comparables et souvent meilleures que les modèles classiques. De plus, les modèles quantiques sont plus simples et nécessitent moins de ressources pour s'entraîner que leurs homologues classiques, tout en produisant des résultats tout aussi bons, voire meilleurs.
« Ces résultats sont très encourageants et nous sommes ravis de mener des recherches qui montrent l'avenir possible de l'informatique quantique dans l'accélération du traitement d'images et des diagnostics médicaux », a déclaré l'auteur de l'étude, Iordanis Kerenidis, vice-président senior des algorithmes quantiques chez QC Ware. "Nous sommes impatients de travailler à l'avenir pour faire avancer ce travail important et permettre des outils de diagnostic plus rapides et plus précis pour aider à combler les écarts d'équité dans les soins de santé", indique le communiqué.
Le mécanisme attentionnel des conceptions de transformateurs, qui évalue chaque élément de données dans son contexte global plutôt que de se concentrer uniquement sur son contexte immédiat, est une caractéristique clé qui les distingue des autres réseaux de neurones. En appliquant l'informatique quantique au mécanisme de l'attention, les chercheurs utilisent des systèmes moins complexes et plus simples à entraîner pour obtenir des résultats comparables ou supérieurs à ceux obtenus avec les modèles traditionnels.
Dans l'étude, les performances des conceptions de réseaux neuronaux à convertisseur quantique récemment développées et de leurs homologues informatiques classiques ont été examinées. Alors que l'équipe de l'étude a utilisé des approches quantiques pour tester les performances sur des ensembles de données d'images médicales standardisées et accessibles au public, elle s'est principalement concentrée sur les images rétiniennes qui pourraient être utilisées pour détecter et diagnostiquer le stade de la rétinopathie diabétique.
Selon le PDG de QC Ware, Matt Johnson, la définition formelle de telles conceptions de réseaux de neurones quantiques n'a jamais été faite auparavant. Les résultats soulignent le rôle croissant que le quantum peut jouer dans les soins de santé grâce au diagnostic et à la découverte de médicaments, et nous sommes ravis de jeter les bases de l'avenir. Si nous pouvons atteindre de telles performances dans des systèmes quantiques aussi petits, j'ai de grands espoirs pour l'avenir.
Les chercheurs ont évalué les algorithmes sur des systèmes simulés jusqu'à 100 qubits et ont effectué des tests directs jusqu'à six qubits sur l'ordinateur quantique supraconducteur à 27 qubits d'IBM pour mener l'étude.
Source: l'initié quantique
📩 19/03/2023 19:08