AI leads the way, from pixels to privacy | L'IA ouvre la voie, des pixels à la confidentialité

Les électrons ne suivent pas une trajectoire parfaitement rectiligne dans les détecteurs: ils se dispersent, laissant une trace floue qui complique la localisation précise de leur point d’impact. En microscopie électronique, notamment à haute énergie, cette dispersion brouille l’image en étalant l’énergie sur plusieurs pixels.Pour corriger cela, nous utilisons l’intelligence artificielle afin d’estimer avec plus de précision la position réelle de l’électron. Cela permet d’améliorer la résolution spatiale du détecteur, d’obtenir des images plus nettes et de mener des expériences plus rapides et plus détaillées. Cette approche réduit aussi les dommages causés aux échantillons sensibles, un atout majeur pour la recherche biologique et les applications médicales.

After the public release of ChatGPT, Generative AI sparked enormous interest and adoption. Hundreds of models are now available and being used in a variety of applications, both in personal and professional contexts. As the technology continues to evolve, concerns and risks have also started to emerge - but so did mitigation techniques designed to address these..

In the current age of machine learning and artificial intelligence, data is strictly required to power decisions across all domains, in particular healthcare. Health data drives the progress of personalized and precision medicine. But health data is one of the most sensitive and identifying pieces of information and has to be protected for regulatory and ethical reasons. In this talk, I will give an overview of the privacy preserving methods we use at Tune Insight to solve this conundrum in order to securely analyse health data and enable the progress of clinical and pharmaceutical research while respecting patient privacy.