Le corps a toujours été de données. Nous avons seulement appris à le lire

Entretien

L'article a présenté l'un des premiers systèmes d'apprentissage profond pour reconstruire un corps 3D complet à partir de seulement deux photographies. Pourquoi deux vues ont-elles constitué la décision technique clé ?

À l'époque, la plupart des systèmes de reconstruction 3D reposaient sur des scanners coûteux, de nombreuses caméras synchronisées ou des environnements hautement contrôlés. Cela rendait la technologie difficile à déployer à l'échelle clinique ou à utiliser dans des contextes quotidiens. La découverte clé était que le corps humain contient déjà une quantité énorme d'informations géométriques dans sa silhouette. Une vue de face et de profil combinées contraignent étonnamment bien la forme du corps. En associant ces deux vues à des modèles corporels statistiques et à l'apprentissage profond, nous pouvions estimer un corps 3D réaliste sans nécessiter de matériel spécialisé.

Deux images constituaient également une décision pratique. Si vous demandez aux patients de capturer dix images ou d'utiliser des capteurs externes, l'adoption chute immédiatement. Mais deux photos prises avec un smartphone sont simples, rapides et universalisables. Ce principe guide toujours un grand nombre de nos choix de conception actuels chez Arbrea.

Comment cela se traduit-il par quoi Arbrea Body Fait-il aujourd'hui ?

La philosophie fondamentale reste la même : rendre la visualisation corporelle avancée accessible dans les flux de travail cliniques réels.

Chez Arbrea Labs, nous avons fait évoluer ces premiers concepts de recherche en une plateforme en temps réel pour les consultations esthétiques et reconstructrices. Au lieu de seulement reconstituer la géométrie corporelle, Arbrea Body combine la vision par ordinateur, l'IA, la RA et la technologie de simulation pour aider les chirurgiens et les patients à communiquer visuellement pendant les consultations. L'important n'est pas seulement le réalisme. C'est la confiance et la communication.

 La visualisation crée un langage commun entre le chirurgien et le patient. La technologie contribue à réduire l'incertitude tout en maintenant le chirurgien au centre du processus de consultation. Ce qui a commencé comme une recherche universitaire sur les silhouettes est devenu un outil de communication clinique.

Où voyez-vous aller la suite ? Quel est le problème qui reste à résoudre ?

Aujourd'hui, la plupart des systèmes se concentrent sur un seul moment dans le temps : une consultation, un examen, une simulation. Mais le corps humain change continuellement en raison du vieillissement, d'une chirurgie, des hormones, de variations de poids, d'une grossesse, de médicaments tels que les agonistes du GLP-1, de processus de guérison ou de conditions médicales telles que le lipœdème. Le véritable défi consiste à concevoir des systèmes capables de comprendre et de visualiser ces changements au fil du temps de manière responsable et précise. Cela demande plus que de l'infographie. Cela implique la biomécanique, l'IA, le calcul préservant la confidentialité, la validation médicale et la conception centrée sur le patient. Cela signifie également passer d'une visualisation statique à une modélisation prédictive personnalisée.

Le corps est dynamique. La médecine numérique le traite encore en grande partie comme s'il était statique.

L'article indiquait que votre système fonctionnait en moins d'une demi-seconde par image, ce qui était infiniment plus rapide que tout le reste à l'époque. Pourquoi la vitesse était-elle si importante ?

La vitesse était essentielle car l'interaction modifie le comportement.

Si un système met des minutes pour reconstruire un corps, cela devient un processus technique hors ligne. Mais si les résultats apparaissent presque instantanément, cela fait partie d'une conversation naturelle entre le médecin et le patient. Le retour d'information en temps réel favorise l'engagement. Un chirurgien peut ajuster les données, expliquer les proportions, discuter des options et itérer de manière collaborative pendant la consultation même.

C'était l'une des premières prises de conscience qui sont devenues par la suite centrales pour les produits d'Arbrea : la latence n'est pas seulement une mesure technique. Elle modifie fondamentalement l'expérience utilisateur et l'adoption. Aujourd'hui encore, réaliser des simulations de haute qualité directement sur les appareils mobiles, sans envoyer les données des patients dans le cloud, reste l'une de nos plus grandes priorités en matière d'ingénierie.

Votre article faisait état d'une erreur de mesure d'environ 4 mm sur 16 mensurations corporelles. Quelle est l'importance de ce niveau de précision lorsqu'il s'agit de planification chirurgicale plutôt que d'ajustement de vêtements ?

La précision compte, mais le contexte compte encore plus.

Les corps humains sont naturellement variables. Même les mesures cliniques prises manuellement par différents professionnels peuvent varier de plusieurs millimètres. Réaliser une erreur moyenne d'environ 4 mm à partir de seulement deux images RVB constituait donc une avancée significative à l'époque, en particulier compte tenu de la rapidité et de l'accessibilité du système.

Cependant, la planification chirurgicale ne se résume pas à une précision de mesure absolue. Il s'agit également de proportionnalité, de cohérence anatomique, de communication et de gestion des attentes.

L'objectif n'a jamais été de remplacer le jugement chirurgical. L'objectif était d'augmenter la communication grâce à une visualisation basée sur les données.

Quel est Arbrea Body?

Arbrea Labs développe des outils de visualisation alimentés par l'IA pour la médecine esthétique et reconstructrice.

Arbrea Body permet aux chirurgiens d'effectuer des simulations corporelles en temps réel directement sur les appareils mobiles et les tablettes, sans nécessiter de scanners externes ni de traitement dans le cloud. La plateforme est conçue pour prendre en charge les consultations, la communication avec les patients, la planification des traitements et la visualisation longitudinale tout au long du parcours du patient. Fondée sur des années de recherche en vision par ordinateur, en apprentissage profond et en réalité augmentée, la technologie associe une IA sur l'appareil axée sur la confidentialité à des flux de travail cliniques.

La vision plus large est de créer un écosystème numérique unifié reliant la visualisation, la consultation, le suivi et l'engagement des patients tout au long du parcours esthétique et reconstructeur.

Référence

[1] Dibra, Endri, et al. “Hs-nets: Estimating human body shape from silhouettes with convolutional neural networks.” Quatrième conférence internationale 2016 sur la vision 3D (3DV). IEEE, 2016.