Une combinaison de méthodes écologiques de terrain et d’intelligence artificielle de pointe a aidé un groupe de recherche interdisciplinaire à détecter la maladie débilitante de la zostère sur près de trois douzaines de sites le long d’un tronçon de 1 700 milles de la côte ouest, de San Diego au sud de l’Alaska.
La principale découverte : la perte d’herbes marines – causée par l’organisme Labyrinthula zosterae et détectable via des lésions sur les brins d’herbe, confirmées par des diagnostics moléculaires – est associée à des températures de l’eau plus chaudes que la normale, en particulier au début de l’été, quelle que soit la région. La zostère marine est une espèce d’herbier côtier vitale pour l’habitat du poisson, la biodiversité, la protection du littoral et la séquestration du carbone.
L’équipe de recherche de Cornell – dirigée par Carla Gomes, professeur Ronald C. et Antonia V. Nielsen d’informatique et de sciences de l’information au Cornell Ann S. Bowers College of Computing and Information Science, et Drew Harvell, professeur émérite au Département d’écologie et biologie évolutive (College of Agriculture and Life Sciences; College of Arts and Sciences) – ont rendu compte de leurs conclusions le 27 mai à Limnologie et Océanographie.
Les co-auteurs principaux sont Brendan Rappazzo, doctorant en informatique, et Lillian Aoki, ancienne chercheuse postdoctorale dans le laboratoire de Harvell, qui est maintenant chercheuse scientifique à l’Université de l’Oregon. Les doctorantes en écologie et biologie évolutive Olivia Graham et Morgan Eisenlord y ont également contribué.
Le co-auteur J. Emmett Duffy de la Smithsonian Institution était le chercheur principal d’une subvention de 1,3 million de dollars sur trois ans de la National Science Foundation (NSF), à l’origine de cette recherche. La recherche et le développement de l’IA ont été financés par une subvention NSF Expeditions in Computing pour la durabilité informatique; la collaboration initiale entre Harvell et le Smithsonian a été développée en tant qu’initiative du Cornell Atkinson Center for Sustainability.
Gomes, également directeur de l’Institute for Computational Sustainability, et Rappazzo ont dirigé le développement de l’application de segmentation d’images de lésions de zostère (EeLISA, prononcé eel-EYE-zah), un système d’IA qui, lorsqu’il est correctement formé, peut rapidement analyser des milliers d’images d’herbes marines. feuilles et distingue les tissus malades des tissus sains.
À quelle vitesse EeLISA fonctionne-t-il ? Selon les chercheurs, il fonctionne 5 000 fois plus vite que les experts humains, avec une précision comparable. Et au fur et à mesure que l’application reçoit plus d’informations, elle devient « plus intelligente » et produit des résultats plus cohérents.
« C’est vraiment un élément clé », a déclaré Rappazzo, qui a remporté un prix d’application innovante en 2021 lors de la conférence AAAI sur l’intelligence artificielle pour son travail sur EeLISA. « Si vous donnez le même scan de zostère à quatre personnes différentes à étiqueter, elles donneront toutes des mesures variables de la maladie. Vous avez toutes ces variations, mais avec EeLISA, c’est non seulement plus rapide, mais c’est toujours étiqueté. »
« Dans l’apprentissage automatique traditionnel, vous avez besoin de grandes quantités de données étiquetées à l’avance », a déclaré Gomes. « Mais avec EeLISA, nous recevons des retours des scientifiques fournissant les images, et le système s’améliore très rapidement. Donc, au final, il ne nécessite pas autant d’exemples étiquetés. »
Ce projet impliquait un réseau de 32 sites de terrain le long de la côte du Pacifique, s’étendant sur 23 degrés de latitude. Cette diversité de régions a permis l’étude de la maladie du dépérissement des herbiers sous différents climats et environnements.
Des milliers d’images du réseau de sites sont introduites dans le système EeLISA, qui analyse chaque image, pixel par pixel, pour déterminer si chacune contient des tissus sains, des tissus malades ou des antécédents. Les premiers résultats d’EeLISA sont notés par des annotateurs humains, et des corrections sont apportées au logiciel afin qu’il puisse apprendre de ses erreurs.
« Les chercheurs obtiennent leur sortie, renvoient leurs corrections à l’algorithme, et il met à jour la prochaine itération », a déclaré Rappazzo. « Les scans originaux pour EeLISA à étiqueter, lorsqu’ils sont complètement aléatoires, peuvent prendre une demi-heure par scan. À la prochaine itération, cela pourrait être réduit à 10 minutes, puis à deux minutes, puis à une minute. Et nous avons atteint le point où il était d’une précision humaine et n’avait besoin d’être vérifié que sporadiquement. »
La recherche basée sur l’IA a révélé que les anomalies de l’eau chaude, quelles que soient les températures normales d’une région particulière, étaient le principal moteur de la maladie de dépérissement des zostères. Cela a indiqué aux chercheurs que l’étude de la relation entre la maladie et le changement climatique est nécessaire pour toutes les conditions, et pas seulement dans les herbiers marins dans les endroits chauds.
« Nous avons investi une décennie dans le développement d’outils de reconnaissance des maladies pour surveiller ces épidémies à grande échelle », a déclaré Harvell, « parce que nos premières études suggéraient que la zostère pourrait être sensible aux épidémies induites par le réchauffement. La zostère marine est un habitat marin essentiel, et un maillon essentiel de la chaîne de survie de poissons comme le saumon et le hareng. »
Gomes a déclaré que l’objectif est de faire évoluer EeLISA afin qu’il puisse être utilisé dans le monde entier pour la « science citoyenne ». Aoki a déclaré que c’était l’un des aspects les plus intéressants de ce travail.
« Nous pourrions demander aux gens d’identifier la maladie des herbiers de cette manière beaucoup plus large, en tirant parti d’une plus grande implication du public », a-t-elle déclaré. « Nous sommes certainement à quelques pas de cela, mais je pense que c’est une frontière incroyablement excitante. »
Lillian R. Aoki et al, La surveillance des maladies par l’intelligence artificielle relie la maladie de la zostère au réchauffement des océans à travers les latitudes, Limnologie et Océanographie (2022). DOI : 10.1002/lno.12152