Les informaticiens mettent au point une méthode de détection des cas de dopage à l'aide de l'IA
Des milliers d'athlètes se sont disputés des médailles aux Jeux olympiques de Paris. Dans certains cas, on se demandera si les médailles ont été gagnées équitablement ou s'il y a eu dopage. Un logiciel mis au point par une équipe dirigée par Wolfgang Maaß, professeur d'informatique de gestion à l'université de la Sarre, pourrait aider à répondre à ces questions lors des futures compétitions. Le logiciel, qui est actuellement présenté à l'International Joint Conference on AI, n'a besoin que d'une poignée de points de données pour prédire avec une précision sans précédent quels athlètes ne se sont certainement pas dopés - et peut ainsi identifier les cas où un examen plus approfondi est nécessaire.
Chercher une aiguille dans une botte de foin ou se battre contre des moulins à vent sont deux bonnes métaphores pour illustrer le défi que représente la détection des athlètes dopés. Avec des milliers d'athlètes participant à des manifestations sportives majeures telles que les Jeux olympiques, les championnats du monde ou les ligues professionnelles comme le football, il faut parfois des semaines à un laboratoire pour analyser des échantillons d'urine et déterminer si l'un d'entre eux a pris des substances destinées à améliorer ses performances. Pour l'instant, les échantillons sont tous analysés manuellement", explique Wolfgang Maaß, professeur de systèmes d'information pour l'industrie des services à l'université de la Sarre et directeur scientifique du département de recherche Smart Service Engineering au Centre allemand de recherche sur l'intelligence artificielle (DFKI).
Compte tenu du nombre considérable d'athlètes participant à des événements majeurs tels que les Jeux olympiques - ils sont environ 10 500 à Paris - et de la lenteur des méthodes de contrôle actuelles, il n'est pas difficile de comprendre que de nombreux tricheurs passent tout simplement à travers les mailles du filet. Seule une fraction des échantillons d'urine peut être analysée en laboratoire. Comme l'a montré le scandale du dopage aux Jeux olympiques d'hiver de 2014 à Sotchi, certains athlètes tricheurs tentent d'échanger leurs propres échantillons d'urine avec des échantillons "propres" fournis par quelqu'un d'autre.
Jusqu'à présent, l'analyse de l'ADN était la seule méthode fiable pour déterminer si des échantillons avaient été échangés. Mais cela coûte cher et prend du temps", explique Wolfgang Maaß. Il n'est tout simplement pas possible d'analyser l'ADN de chaque échantillon. M. Maaß et d'autres collègues du DFKI (Centre allemand de recherche en intelligence artificielle), de l'Université allemande du sport de Cologne et de l'Agence mondiale antidopage (AMA) ont décidé de mettre leur expertise en commun pour trouver une solution plus simple et plus viable. Ce problème est pratiquement un cri d'alarme pour l'analyse automatique", a déclaré M. Maaß.
Pour résoudre ce problème, ils ont développé un logiciel qui utilise l'intelligence artificielle pour analyser les données des échantillons d'urine de manière rapide et rentable. Les tests de dopage mesurent les concentrations et les ratios de divers stéroïdes, dont la plausibilité est ensuite vérifiée", explique Wolfgang Maaß. Il en résulte une empreinte biochimique que le logiciel d'IA de Sarrebruck peut utiliser pour détecter de manière fiable toute anomalie.
Le programme d'apprentissage automatique n'a besoin que des données de trois échantillons d'urine fournis par chaque athlète au cours de sa carrière sportive. Le profil stéroïdien naturel d'un athlète pouvant être très différent de celui d'un autre, le programme apprend quelles concentrations de substances spécifiques sont typiques de l'athlète en question. Pour chaque échantillon, sept caractéristiques telles que les concentrations de stéroïdes et leurs rapports sont déterminées dans le laboratoire biochimique. Et un peu comme un enfant qui fait un puzzle, le logiciel recherche les écarts par rapport au modèle habituel.
Si vous comparez les trois "images" ou plus avec les données de mesure des différents échantillons d'urine, le logiciel trouvera celles où tout correspond", a déclaré Wolfgang Maaß, expliquant en termes simples le fonctionnement du programme informatique. Il reste donc un nombre résiduel d'échantillons pour lesquels les "images" ne correspondent pas, c'est-à-dire pour lesquels des incohérences ont été détectées. Le petit nombre de cas restants peut alors être examiné plus en détail par des biochimistes en laboratoire à l'aide d'une analyse d'ADN. Si un athlète a pris une substance améliorant ses performances et que cette substance peut être détectée dans l'urine, notre logiciel peut aider à identifier cet athlète avec un degré élevé de certitude", a déclaré Wolfgang Maaß.
Plutôt que de détecter directement les contrevenants, le logiciel est conçu pour identifier les athlètes sains avec un degré de certitude de 99 %, afin d'éviter que des innocents ne soient accusés à tort. Bien que cela puisse signifier qu'un petit nombre de personnes dopées ne sont pas détectées, les cas de dopage positif dans lesquels les athlètes ont pris des substances interdites afin d'aller plus haut, plus loin ou plus vite sont identifiés avec un degré de certitude très élevé. Toute personne qui s'est dopée peut presque certainement être trouvée parmi ces cas restants, qui peuvent ensuite être examinés plus en détail à l'aide de tests ADN", a expliqué Wolfgang Maaß.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Maxx Richard Rahman, Lotfy Abdel Khaliq, Thomas Piper, Hans Geyer, Tristan Equey, Norbert Baume, Reid Aikin, Wolfgang Maass. "SACNN: Self Attention-based Convolutional Neural Network for Fraudulent Behaviour Detection in Sports."; International Joint Conference on Artificial Intelligence, IJCAI, (2024).
Autres actualités du département science
Recevez les dernières actualités du secteur des sciences de la vie
Ne manquez plus aucune actualité : notre newsletter consacrée aux biotechnologies, au secteur pharmaceutique et aux sciences de la vie vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
