Russ Greiner reçoit le prix CS-Can | Info Can pour l'ensemble de sa carrière

Russ Greiner - boursier Amii, titulaire de la chaire d'IA du CIFAR Canada et l'un des membres fondateurs de l'Amii - est récompensé pour sa contribution exceptionnelle à l'avancement de l'informatique par un prix pour l'ensemble de ses réalisations en informatique décerné par CS-Can | Info-Can.

Le prix, annoncé le 10 mai, récompense les personnes qui ont apporté "une contribution exceptionnelle et soutenue à l'informatique canadienne au cours de leur carrière".

"C'est incroyable de voir ce domaine se développer. J'ai assisté à la première conférence américaine sur l'IA", explique M. Greiner. "J'ai assisté à des conférences lorsque l'apprentissage automatique n'était qu'un atelier avant de devenir une entité à part entière. Et vu le succès de ce domaine, ce génie n'est pas prêt de retourner dans sa bouteille.

Greiner a obtenu sa maîtrise puis son doctorat à l'université de Stanford, et a contribué au mouvement des systèmes experts, qui visait à développer une intelligence artificielle imitant la prise de décision des experts humains. Dans les années 1990, Greiner a été l'un des premiers à explorer les questions relatives à l'apprentissage automatique, ses recherches influençant les fondements de la discipline naissante, notamment les travaux sur le traitement (voire l'exploitation) des données manquantes et les modèles d'apprentissage actif.

Greiner se décrit comme "un peu opportuniste" lorsqu'il s'agit de ses intérêts de recherche, se concentrant sur des défis et des ensembles de données intéressants. Il se dit surtout attiré par les frontières du ML, où il est possible d'expérimenter de nouvelles approches et méthodes.

Je pense que ma principale compétence est de porter un regard critique sur les choses et de dire "pourquoi faites-vous cela ? Je me vois donc dans ce mode de réflexion sur la manière dont les choses pourraient être faites et je ne me contente pas de faire quelque chose de manière standard", explique-t-il.

"C'est passionnant parce qu'on peut explorer des voies auxquelles d'autres n'ont pas encore pensé.

Applications à la métabolomique, puis à la médecine

C'est dans cet esprit que M. Greiner s'est intéressé à l'intersection de l'apprentissage automatique, de la biologie et de la médecine au tournant du siècle. Il a commencé à travailler à l'université de l'Alberta en 1997 et a d'abord exploré de nombreux domaines, de la conception de sites web à la recommandation en passant par la conception de jeux, ainsi que des travaux fondamentaux liés au raisonnement. C'est à cette époque que Greiner a commencé à travailler sur son projet le plus visible : utiliser son expertise en matière d'apprentissage automatique pour contribuer à la base de données du métabolome humain (HMDB). La HMDB est la collection la plus complète d'informations sur les métabolites de petites molécules présents dans le corps humain. Elle constitue une ressource précieuse pour les progrès médicaux dans le domaine des produits pharmaceutiques, de la recherche sur le cancer et dans d'autres domaines.

Ce projet s'est avéré être un pont vers la communauté médicale. Au cours des 20 dernières années, l'essentiel de son travail a consisté à trouver des moyens d'appliquer les ML à diverses tâches médicales, c'est-à-dire à apprendre des modèles pronostiques capables de prédire divers résultats individuels. Par exemple, (1) si une femme spécifique atteinte d'un cancer du sein connaîtra une rechute dans les trois ans, sur la base d'informations concernant la localisation sous-cellulaire de diverses protéines spécifiques dans ses cellules, et d'autres informations médicales ; (2) combien de temps un patient particulier vivra avec une nouvelle greffe de foie spécifique ; (3) si un patient souffrant de dépression répondra à un traitement spécifique ; (4) quelle région du cerveau sera irrémédiablement endommagée dans les 24 heures suivant un accident vasculaire cérébral ischémique ; et (5) la probabilité d'une insuffisance cardiaque dans un délai d'un an, sur la base d'une image de résonance magnétique cardiaque.

Des travaux plus récents portent sur la prévision du nombre de cas de Covid19 dans une région en quelques semaines - produisant des résultats comparables à l'état de l'art. Tous ces résultats, et bien d'autres encore, sont le fruit d'une collaboration avec de nombreux experts médicaux.

Ces interactions sont souvent la conséquence de ses dizaines de présentations publiques résumant la manière dont la ML peut être appliquée à des tâches médicales, ce qui a donné lieu à plus de 70 appels à froid, qui se transforment souvent en projets spécifiques. (Greiner reconnaît qu'il n'a toujours pas appris à dire "non").

Cela a conduit à des centaines de publications pertinentes dans de nombreux domaines - environ 45 dans le domaine du cancer, plus de 30 en psychiatrie, 40 dans le domaine de l'imagerie médicale, etc. En 2022, il a reçu le Precision Health Innovator Award.

Malgré ses réalisations impressionnantes, M. Greiner est beaucoup plus enclin à se tourner vers l'avenir que vers le passé. Ses travaux les plus récents portent sur les prévisions de survie : il utilise l'apprentissage automatique pour rechercher des modèles dans les données médicales afin de prédire les délais de décès ou de rechute, ou encore l'apparition d'une maladie. Ses recherches explorent le potentiel de l'apprentissage automatique pour aider à prédire les délais de survie des personnes souffrant de cancer, de Covid19, de problèmes cardiaques et d'autres affections. Bien que plusieurs résultats intéressants aient déjà été obtenus - tant au niveau des fondements que des applications - il reste encore du travail à faire ; M. Greiner espère que ses travaux déboucheront sur des avancées qui se traduiront par de meilleurs résultats pour les patients.

"J'imagine que ma pierre tombale pourrait comporter une petite courbe de survie ou quelque chose du genre", dit-il en riant. "Je pense que c'est un domaine où mon travail fera la différence.

ML en AB

Outre ses propres recherches, M. Greiner a joué un rôle influent dans l'orientation de l'avenir de l'apprentissage automatique. Il a été l'un des quatre chercheurs en intelligence artificielle qui ont proposé au gouvernement de l'Alberta de financer un centre de recherche sur l'apprentissage automatique. Cela a conduit à la création de l'Alberta Ingenuity Centre for Machine Learning - aujourd'hui connu sous le nom d'Amii - en 2002. M. Greiner a été le premier directeur scientifique du centre et a contribué à faire de l'Alberta la plaque tournante de la recherche sur l'intelligence artificielle qu'elle est aujourd'hui.

"Nous avons eu la perspicacité de nous entourer des bonnes personnes. Nous avons eu la ténacité de voir grand. Nous nous sommes dit : 'Demandons à des superstars comme Rich Sutton, Dale Schuurmans, Micheal Bowling et, plus tard, plusieurs autres. Bien sûr, ils diront peut-être non, mais essayons".

Nous avons eu la chance qu'ils aient tous dit oui. Et ça a décollé".

M. Greiner devient le troisième chercheur et fondateur d'Amii à être récemment honoré par CS-Can | Info-Can. Le prix lui sera remis le 7 juin lors d'un gala de remise de prix à Montréal. Le prix pour l'ensemble des réalisations a déjà été décerné à Rob Holte en 2021 et à Jonathan Schaeffer en2020.

En savoir plus sur les travaux novateurs réalisés par les chercheurs d'Amii. Visitez notre page Recherche.