Au cours de la dernière décennie, la neuroimagerie s’est rapidement développée pour devenir une discipline de « big data » à forte intensité de données. À mesure que le partage de données se généralise, les chercheurs ont désormais accès à des quantités sans précédent de données de neuroimagerie. Entre mai 2020 et avril 2021 seulement, 406 To de données ont été ajoutés à la plateforme OpenNeuro[1].
▷Le nombre d'ensembles de données (vert) et de sujets (rouge) disponibles sur la plateforme OpenNeuro a augmenté régulièrement de 2018 à 2021. Source : La ressource OpenNeuro pour le partage de données en neurosciences, eLife, 10, e71774 https://doi.org/10.7554/eLife.71774.
La croissance du volume de données apporte non seulement d’importantes opportunités, mais crée également de nombreux nouveaux problèmes. Dans le contexte actuel, les chercheurs sont de plus en plus conscients de la nécessité de renforcer la formation en science des données et en statistiques. Même si des communautés de science ouverte comme Brainhack et des projets pédagogiques comme NeuroMatch Academy ont vu le jour, cela est loin d’être suffisant pour relever ces défis.
En réponse à cette situation actuelle, on peut s’attendre à ce que l’IA générative, apparue ces dernières années, change complètement le paradigme de la recherche en neuroimagerie.
▷Elizabeth DuPre, Russell Alan Poldrack ; L'avenir de l'analyse des données est maintenant : intégration de l'IA générative dans le développement de méthodes de neuroimagerie, doi 2 1–8 ;
01 IA générative et neuroimagerie
L'IA générative combine des modèles génératifs avec des réseaux de neurones profonds pour générer de nouveaux textes, images et audio basés sur des invites de texte ou d'images. Dans l'application pratique de l'IA générative, en particulier de la programmation assistée par l'IA, on pense qu'elle peut améliorer la productivité des développeurs, réduire les problèmes de détail de bas niveau, gagner beaucoup de temps et apporter une expérience de programmation plus agréable.
Comment l’IA générative va-t-elle changer la recherche en imagerie cérébrale ? Nous pouvons apprendre de l’histoire et avoir un aperçu du développement de la science des données.
En 1962, John Tukey a appelé à la création d'une méthode d'analyse scientifique systématique des données - la science des données [2] dans son livre "The Future of Data Analysis". Il a particulièrement insisté sur le développement de procédures statistiques automatisées et standardisées, pour remplacer le recours à l'analyse des données. l’expertise de chercheurs individuels. Il a prévenu les gens :
À mesure que la quantité de données augmente, la plupart du travail d’analyse des données sera réalisé par une main-d’œuvre inexpérimentée et disposant d’un temps limité et si ces personnes ne disposent pas des outils correspondants, davantage de données resteront non analysées ;
C’est exactement le dilemme auquel est confrontée la neuroimagerie : en raison du manque de formation professionnelle en science des données, les méth...
[Courte citation de 8% de l'article original]