Des ingénieurs de l'Université de Pennsylvanie ont développé FireANTs, un algorithme open-source capable de comparer des images médicales complexes en quelques minutes seulement, là où les méthodes traditionnelles nécessitaient plusieurs jours. Publiée dans la revue Nature Communications, cette innovation combine la rapidité de l'intelligence artificielle et la rigueur mathématique de la géométrie. Contrairement aux systèmes d'IA classiques qui s'appuient fortement sur l'apprentissage à partir de données passées, FireANTs résout le problème d'appariement dense par des calculs géométriques directs. Cette approche permet d'identifier avec précision les modifications subtiles entre deux scans, comme une réduction volumique cérébrale, sans recourir à des approximations probabilistes. Les tests menés par l'équipe, portant sur plus de quinze mille paires d'images issues de divers organes, modalités d'imagerie et espèces, confirment la capacité du modèle à s'adapter à un large éventail de situations cliniques et de recherche. Grâce à une refonte fondamentale de son architecture mathématique, l'algorithme s'exécute des centaines, voire des milliers, de fois plus vite que son prédécesseur ANTs, tout en conservant une exactitude identique. Sur les processeurs modernes, il offre un gain de vitesse de deux à sept fois par rapport aux outils d'optimisation actuels, et jusqu'à mille fois plus rapide sur les unités de calcul parallèle. Cette performance ouvre la voie à une intégration directe dans les workflows cliniques. En radiologie, où les médecins doivent régulièrement comparer des examens de suivi pour détecter l'évolution d'une pathologie, la rapidité de traitement est cruciale pour ne pas ralentir la prise de décision médicale. L'algorithme permet ainsi d'analyser les différences entre les images en temps réel, rendant l'analyse avancée plus accessible et fiable pour les praticiens. Au-delà du domaine médical, FireANTs pourrait également bénéficier à la cartographie géographique et à la robotique en réduisant considérablement la puissance de calcul nécessaire. En abaissant les barrières techniques, il permet aux petits laboratoires de réaliser des analyses auparavant réservées aux grands centres de recherche. Selon les chercheurs, cette méthode ne se contente pas d'accélérer les processus ; elle établit un nouveau standard d'efficacité et de fiabilité pour l'appariement d'images, ouvrant la porte à de nouvelles applications scientifiques et industrielles.