PANTHER : le projet étudiant de l'AIRI remporte FLARE 2026 en détectant une tumeur en 11 secondes

Le modèle PANTHER, développé par Vassili Baranov, étudiant au MIPT, lors de l'école d'été de l'AIRI, a remporté le concours FLARE 2026 sur le critère de vitesse de détection de tumeurs sur scanner CT. Sa solution ne mise pas sur une architecture toujours plus complexe, mais sur trois idées simples concernant les données, les ensembles de modèles et le filtrage.

FLARE 2026 : conditions et objectif

Le concours proposait un défi transversal avec des contraintes strictes. Il fallait détecter une tumeur dans n'importe quel organe (foie, rein, pancréas, poumon, ganglion lymphatique) sur un scanner CT en moins de 60 secondes, avec un maximum de 4 Go de mémoire vidéo, 28 Go de RAM, sans connexion internet ni poids pré-entraînés externes.

Le jeu d'entraînement comptait 17 575 scanners annotés, issus de plus de 50 sources, parmi lesquelles DeepLesion, KiTS, LiTS, MSD, autoPET, TotalSegmentator, LIDC et d'autres. L'annotation était partielle : chaque jeu de données ne renseignait les tumeurs que pour certains organes, le reste restant inconnu. S'ajoutaient 122 Go de scanners non annotés et 172 scans de patients sains destinés à vérifier les faux positifs.

Le classement était réparti à parts égales : moitié vitesse et efficacité (mémoire vidéo × temps d'inférence par scan), moitié précision, mesurée par deux métriques. Le Dice (DSC) mesure le recouvrement entre le volume du masque de tumeur prédit et l'annotation du médecin (1 = correspondance parfaite, 0 = aucune correspondance). Le Normalized Surface Dice (NSD) vérifie les contours : quelle proportion de la surface de la tumeur coïncide avec une précision de 2 mm. Les modèles plus lents que 60 secondes reçoivent un Dice de 0 et sont éliminés du concours.

Les trois idées de PANTHER : composition, ensemble, filtre

La composition des données compte plus que l'architecture. Le jeu de données était extrêmement déséquilibré : 5 700 scanners du corps entier, 5 700 du thorax, mais seulement 154 scans pour le cancer de l'œsophage, 126 pour le côlon, 79 pour le cancer de l'endomètre (muqueuse utérine), et à peine 52 pour les tumeurs des glandes surrénales. Entraîné sur l'ensemble brut, le modèle devient expert des sources volumineuses et ne fait que deviner pour les organes rares.

Les auteurs ont donc créé Dataset500 : ils ont limité les sources volumineuses et conservé intégralement les sources rares. Résultat : 8 762 scanners issus de 28 jeux de données répartis en 11 groupes anatomiques. Gain : Dice +0,060 par rapport au jeu de données complet de 17 575 scans.

À titre de comparaison, le passage à un encodeur résiduel (trois fois plus de paramètres) n'a apporté que +0,002, soit un ordre de grandeur en moins.

Les auteurs ont aussi grossi la grille à 2,0×1,5×1,5 mm, au lieu des 0,78 mm recommandés, pour qu'un patch couvre deux fois plus de surface corporelle — les grosses tumeurs ne « dépassaient » plus du cadre. L'expérience inverse, avec une grille isotrope de 1,25 mm, a coûté −0,078 de Dice.

Un ensemble de cinq plain U-Net entraînés sur des folds différents. Les cinq modèles votent via une probabilité moyennée : un voxel n'intègre le masque final que si la majorité a voté « oui ». Sur 172 scanners sains, un seul modèle avait détecté une « tumeur » sur la totalité des 172 scans ; l'ensemble, lui, est resté silencieux sur 52 d'entre eux. Bonus : l'ensemble a aussi apporté +0,028 de Dice sur les scans présentant de vraies tumeurs.

Un filtre de Mahalanobis fondé sur la forme du masque. Sur les 120 scans sains restants, l'ensemble détectait tout de même quelque chose. Les auteurs ont identifié la « signature » typique du bruit : de petits fragments dispersés sur le scan, aucun ne dominant les autres, avec une surface importante par rapport au volume. Les vraies tumeurs, elles, ont un profil différent : des foyers denses et compacts.

Pour chaque masque, cinq caractéristiques sont calculées : le volume total, le nombre de fragments (de taille supérieure à 3×3×3 voxels), le volume du plus grand fragment, sa part dans le volume total, et le rapport surface/volume. Ces cinq valeurs dressent le « portrait » d'une erreur typique. La distance de Mahalanobis indique à quel point un nouveau masque ressemble à ce portrait. Si la distance est inférieure ou égale à 7,0, le masque est considéré comme du bruit et effacé. Résultat : les faux positifs chutent de 70 % à 8 %, pour une perte de Dice de seulement 0,004 sur les tumeurs réelles.

PANTHER fonctionne en 11 secondes avec seulement 4 Go de mémoire vidéo, devançant tous ses concurrents en vitesse. La démonstration est claire : un prétraitement bien pensé et des techniques d'ensemble simples battent des architectures bien plus complexes.