Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Ask an AI model about a mammogram and it returns a diagnosis. It does not say how much to trust that particular answer. A team from the University of Pittsburgh has built a model that does: a deep neural network, or DNN, that gives each patient a diagnosis together with an uncertainty score. The work was presented at the annual meeting of the Society of Photo-Optical Instrumentation Engineers (SPIE) in February 2026, in Vancouver, Canada.
Demandez à un modèle d'IA une analyse d'une mammographie : il vous rendra un diagnostic, sans dire quelle confiance accorder à cette réponse précise. Une équipe de l'université de Pittsburgh a mis au point un modèle qui le fait : un réseau de neurones profond, ou DNN, qui fournit à chaque patiente un diagnostic accompagné d'un score d'incertitude. Ces travaux ont été présentés lors de la réunion annuelle de la Society of Photo-Optical Instrumentation Engineers (SPIE) en février 2026, à Vancouver, au Canada.
DNNs learn from training sets in which humans have labeled the right answers. They become very good at predicting the likely answer across a population of patients, sometimes almost all of the time. They are much weaker at telling how reliable a diagnosis is for one person. For a disease that threatens life, the team points out, even a few wrong diagnoses are catastrophic for the patients they affect. The team’s method, which it calls uncertainty-weighted learning (UWL), feeds the uncertainty score into training itself, so the model learns to handle uncertain cases more carefully.
Les DNN apprennent à partir de jeux d'entraînement dans lesquels des humains ont étiqueté les bonnes réponses. Ils deviennent très performants pour prédire la réponse probable au sein d'une population de patientes, parfois presque tout le temps. Ils sont en revanche beaucoup moins bons pour dire à quel point un diagnostic est fiable pour une personne donnée. Pour une maladie qui menace la vie, souligne l'équipe, même quelques diagnostics erronés ont des conséquences catastrophiques pour les patientes concernées. La méthode de l'équipe, qu'elle appelle apprentissage pondéré par l'incertitude (UWL), intègre le score d'incertitude à l'entraînement lui-même, si bien que le modèle apprend à traiter les cas incertains avec davantage de prudence.
The obstacle was computing. Mammograms are large, high-resolution images, and graphics processing units (GPUs), the chips DNNs run best on, need large shared memory to process each one without constant trips to storage. Jiren Li, a PhD student, obtained time on Bridges-2, the supercomputer of PSC, through ACCESS, the network of supercomputing sites run by the US National Science Foundation (NSF). Bridges-2 offered 47 GPU nodes with 384 late-model GPUs, and each node has between 128 and 2,000 gigabytes of RAM, against 64 GB in a high-end laptop. Its Ocean storage system holds 15 petabytes of usable data.
L'obstacle était le calcul. Les mammographies sont de grandes images haute résolution, et les processeurs graphiques (GPU), ces puces sur lesquelles les DNN fonctionnent le mieux, ont besoin d'une importante mémoire partagée pour traiter chaque image sans allers-retours constants vers le stockage. Jiren Li, doctorant, a obtenu du temps de calcul sur Bridges-2, le supercalculateur du PSC, par l'intermédiaire d'ACCESS, le réseau de centres de calcul haute performance géré par la National Science Foundation (NSF) américaine. Bridges-2 proposait 47 nœuds GPU dotés de 384 GPU récents, et chaque nœud dispose de entre 128 et 2 000 gigaoctets de mémoire vive, contre 64 Go dans un ordinateur portable haut de gamme. Son système de stockage Ocean contient 15 pétaoctets de données utilisables.
The first analysis, which compared several UWL-based DNNs, was encouraging. One of them gave good estimates of its own uncertainty, signaling to doctors and patients when a diagnosis may be less reliable for a specific patient. It did this without losing accuracy across the population as a whole. The reporting gives no accuracy figures for the model, and the team describes this as a first analysis, not a clinical validation.
La première analyse, qui comparait plusieurs DNN fondés sur UWL, s'est révélée encourageante. L'un d'entre eux a donné de bonnes estimations de sa propre incertitude, signalant aux médecins et aux patientes quand un diagnostic pouvait être moins fiable pour une personne donnée. Il y est parvenu sans perdre en précision à l'échelle de la population. Les informations disponibles ne donnent aucun chiffre de précision pour le modèle, et l'équipe présente ce travail comme une première analyse, et non comme une validation clinique.
For radiologists, the gain would be a second signal next to each answer, showing which cases deserve a closer read. For patients, it would be a warning when a diagnosis is less reliable for them personally. The team says the same approach could apply to other critical uses of AI, beyond breast cancer. It gives no timeline for clinical use, and the model is still at the research stage.
Pour les radiologues, le gain serait un second signal à côté de chaque réponse, indiquant les cas qui méritent une lecture plus attentive. Pour les patientes, ce serait un avertissement lorsqu'un diagnostic est moins fiable pour elles personnellement. L'équipe affirme que la même approche pourrait s'appliquer à d'autres usages critiques de l'IA, au-delà du cancer du sein. Elle ne donne aucun calendrier pour un usage clinique, et le modèle reste au stade de la recherche.