PANTHER d'AIRI, le plus rapide de FLARE 2026 : un scanner TDM analysé en 11 secondes avec 4 Go

Trouver une tumeur sur un scanner TDM de n'importe quel organe en 60 secondes, avec seulement 4 Go de mémoire vidéo, sans inventer de pathologie là où il n'y en a pas : tel était le premier défi de FLARE 2026, dont les résultats ont été annoncés lors de la conférence MICCAI à Strasbourg. Le modèle PANTHER de l'équipe d'AIRI, issu d'un projet de l'école d'été de l'institut, a affiché la meilleure vitesse de tous les participants. Son ensemble de cinq réseaux de neurones tient au final en environ 11 secondes par image.

Des contraintes strictes

Les organisateurs de FLARE ont construit un scénario proche de la clinique réelle. Le modèle doit traiter des tumeurs situées dans différents organes : foie, reins, pancréas, poumons, ganglions lymphatiques. Les images viennent d'hôpitaux du monde entier, donc de scanners, de protocoles d'acquisition et de niveaux de qualité différents. C'est le problème classique du changement de domaine : un réseau entraîné sur les données d'une seule clinique perd souvent sensiblement en précision sur des images venues d'ailleurs.

Il y a un second piège. Environ la moitié des cas d'un flux réel concernent des patients sains, pour lesquels la bonne réponse est qu'il n'y a rien à signaler. Les modèles entraînés uniquement sur des cas pathologiques ont tendance à trouver une tumeur partout. En dépistage, cela se traduit par une avalanche de faux positifs et une perte de confiance des médecins.

Enfin, il y a les limites de ressources : 60 secondes par cas et 4 Go de mémoire vidéo. On trouve ce type de matériel dans presque n'importe quelle station de travail, sans recourir à des GPU de serveur coûteux. Ce n'est pas l'architecture la plus lourde qui l'emporte, mais celle qui est précise et respecte le budget.

Ce que l'on sait de la solution d'AIRI

L'analyse technique complète est publiée sur Habr ; dans l'annonce, les auteurs mettent en avant trois points clés. Il faut les lire comme des affirmations de l'équipe, et non comme des résultats vérifiés de façon indépendante.

• Origine : le projet est né à l'école d'été d'AIRI et a fini par participer à un concours international.
• Données : selon les auteurs, un entraînement sur la moitié du jeu de données a donné un meilleur résultat que sur le jeu complet. L'explication tient visiblement à la sélection et à l'équilibre des exemples, mais l'annonce ne détaille pas la méthode.
• Le « videur » : l'équipe a de nouveau fait appel à un composant distinct, surnommé « videur ». D'après le contexte, il écarte probablement les images saines avant la segmentation lourde, mais son rôle exact sera précisé dans le texte complet.
• Ensemble : cinq réseaux de neurones travaillent de concert et tiennent en environ 11 secondes par image, soit une large marge par rapport à la limite de 60 secondes.

La formulation du résultat mérite d'être soulignée : PANTHER est la meilleure uniquement en termes de vitesse. L'annonce ne dit pas quelle place le modèle a obtenue en qualité de segmentation et de détection, et il est trop tôt pour le comparer aux leaders en matière de précision.

Pourquoi c'est important au-delà du concours

L'association « filtre rapide plus ensemble » paraît pragmatique. Si une part importante du flux concerne des patients sains, un premier étage peu coûteux économise du calcul pour les autres cas. La marge de temps (11 secondes contre 60) permet d'ajouter des étapes lourdes ou un post-traitement sans dépasser la limite.

Pour les hôpitaux et les éditeurs de logiciels médicaux, la leçon pratique est simple. Premièrement, pour évaluer ce type de modèles, il faut regarder leur comportement sur les images saines, et pas seulement les tumeurs trouvées. Deuxièmement, la limite de 4 Go de VRAM signifie que ces solutions pourraient en théorie tourner sur des stations de travail locales, où les données ne quittent pas le périmètre de la clinique. Troisièmement, l'histoire de la moitié du jeu de données rappelle que la qualité de la sélection des données compte parfois plus que leur volume.

Pour AIRI, c'est aussi l'exemple d'un projet étudiant qui atteint le niveau de MICCAI. Reste à attendre l'analyse complète de l'architecture et des métriques publiques pour savoir dans quelle mesure la vitesse de PANTHER s'accompagne d'une précision clinique.