Des chercheurs de l'Université de Tsukuba au Japon ont développé un modèle d'intelligence artificielle capable d'accélérer considérablement la tomographie optique diffuse. Cette technique d'imagerie médicale non invasive utilise la lumière proche infrarouge pour détecter des anomalies internes comme les tumeurs ou les hémorragies, sans exposer les tissus aux rayonnements. Son application clinique a longtemps été limitée par la nécessité de résoudre des équations complexes modélisant la propagation lumineuse, des simulations prenant plusieurs heures par analyse. Pour contourner ce goulot d'étranglement informatique, l'équipe a entraîné un réseau de neurones sur d'importants jeux de données de simulation. Ce modèle agit comme un émulateur ultra-performant capable de prédire instantanément les signaux optiques en fonction de la localisation et de la dimension des zones anormales. Chaque calcul se réalise en environ deux millisecondes, offrant un gain de vitesse supérieur à un million de fois par rapport aux méthodes conventionnelles. Le système maintient une précision robuste, limitée uniquement par le niveau de bruit des données d'entraînement, et s'adapte efficacement à des combinaisons de paramètres inédites. En couplant ce moteur de prédiction rapide à des techniques d'échantillonnage statistique, les scientifiques ont réussi à localiser et à dimensionner avec exactitude les lésions à partir des signaux lumineux recueillis. Cette accélération radicale permet d'explorer efficacement les vastes espaces de paramètres requis pour l'analyse diagnostique. Ces résultats, publiés en 2026 dans la revue Biomedical Engineering Letters, posent les bases d'un outil prometteur pour le diagnostic en temps réel des pathologies cérébrales et des cancers.