Une équipe de chercheurs du laboratoire de neurochirurgie computationnelle de l'Université Macquarie a démontré que l'expertise visuelle des médecins se révèle par des motifs géométriques mesurables. En combinant le suivi oculaire haute résolution et les mathématiques fractales, le laboratoire a développé un cadre objectif pour quantifier le développement des compétences visuelles, de l'étudiant en médecine au neurochirurgien qualifié. Dirigé par le professeur Antonio Di Ieva et incluant le Dr Ghasem Azemi et la doctorante Poonam Kumari, le laboratoire a conduit deux études publiées dans des revues scientifiques récentes. Les chercheurs ont enregistré les mouvements oculaires de participants exposés à des images médicales, notamment des radiographies et des IRM cérébrales. Plutôt que de se limiter à la durée ou à la position des regards, ils ont appliqué une analyse fractale pour mesurer la complexité et l'organisation des parcours visuels. Cette approche mathématique traduit la manière dont l'œil scanne l'information en structures géométriques et numériques, révélant si le regard suit des schémas aléatoires ou des routines cognitivement organisées. Les résultats révèlent une évolution claire du regard au fil de la formation. Chez les étudiants en médecine suivis pendant trois semestres, les fixations oculaires sont passées de mouvements erratiques à des parcours plus structurés et ciblés, se rapprochant progressivement des schémas efficaces des experts. Cette transformation indique un changement cognitif : le traitement visuel abandonne les caractéristiques d'image basiques pour adopter un traitement guidé par le diagnostic. Le Fractal Eye-Gaze Expertise Index, une mesure globale issue de ces analyses, capture statistiquement cette progression de l'expertise. Une seconde expérience portant sur soixante-neuf participants a confirmé ces tendances chez les praticiens en exercice. Les neurochirurgiens consacrent plus de temps aux zones pathologiques et échantillonnent la complexité structurelle des scanners selon la nature des lésions observées. En croisant la durée des fixations avec des dimensions fractales en trois dimensions, un modèle d'intelligence artificielle a classifié avec plus de 93 pour cent de précision les niveaux de compétence des observateurs, distinguant clairement les novices des spécialistes confirmés. Selon les chercheurs, cette approche offre une nouvelle perspective pour l'entraînement des systèmes de vision par ordinateur. En utilisant les données de regard des experts comme proxy des fonctions cognitives de haut niveau, l'IA peut apprendre à interpréter les images médicales selon des schémas humains éprouvés. Le professeur Di Ieva souligne que les algorithmes apprennent désormais non seulement à reconnaître des formes, mais à adopter des stratégies d'exploration visuelle optimisées par l'expérience clinique. Cette méthode fractale pourrait à terme transformer l'évaluation des stagiaires médicaux et la conception des cursus en radiologie et en neurochirurgie. En fournissant des indicateurs quantifiables de la progression visuelle, elle permet un entraînement personnalisé et ciblé. Pour le secteur de la santé numérique, ces résultats posent les bases d'outils diagnostiques plus précis, capables de reproduire l'intuition clinique acquise par des années de pratique. L'expertise humaine, autrefois considérée comme intuitive et difficile à mesurer, apparaît désormais comme un motif structuré que les technologies modernes peuvent décoder, valider et transmettre.