, /PRNewswire/ — Grâce à un modèle open source, à un ensemble de données et à un benchmark publics, ainsi qu’au MedVidU Challenge, un concours mondial de recherche, les chercheurs du monde entier disposent désormais d’une base commune pour faire progresser l’intelligence artificielle appliquée à la vidéo médicale. Le Challenge a attiré 75 équipes issues de 18 pays et régions répartis sur les cinq continents, apportant ainsi une diversité d’idées et d’approches au sein d’un écosystème façonné par l’ensemble de la communauté scientifique.
Les participants représentaient des universités, des établissements médicaux et des entreprises technologiques de premier plan, notamment la Harvard Medical School, l’université d’Oxford, l’hôpital universitaire LMU, l’université technologique de Nanyang, l’université des sciences et technologies du roi Abdallah, l’université de Hong Kong et NVIDIA.
Cette dynamique portée par la communauté s’inscrit dans le cadre d’une initiative plus large menée par United Imaging Intelligence (UII) visant à créer les ressources et les plateformes communes nécessaires pour permettre à la recherche en IA appliquée à la vidéo médicale de progresser à grande échelle.
Construire une base ouverte pour la collaboration mondiale
La compréhension des vidéos médicales reste l’un des domaines les plus exigeants de l’intelligence artificielle, nécessitant une perception spatiale précise, un raisonnement temporel complexe et une rigueur clinique sans faille. Les progrès ont souvent été freinés par le manque de données cliniques et le coût élevé de l’annotation par des experts.
L’UII s’attaque à ces obstacles grâce à un cadre ouvert conçu pour rendre mesurables les progrès de la recherche et faciliter la collaboration internationale. En avril, après l’acceptation de ses travaux de recherche MedGRPO à la conférence CVPR 2026, l’UII a lancé uAI NEXUS MedVLM et a mis en open source 6 245 échantillons de test MedVidBench. Ces échantillons font partie d’une collection de recherche plus vaste comprenant 531 850 paires vidéo-instruction que l’UII a annotées à partir de huit ensembles de données vidéo médicales existants et accessibles au public. L’accès à chaque composant est soumis à ses conditions de mise à disposition et aux licences applicables aux données sources.
Parallèlement au modèle et à l’ensemble de données, l’UII a lancé le classement public MedVidBench, qui évalue les modèles selon dix indicateurs, notamment la prédiction de l’action suivante, l’évaluation des compétences et l’ancrage spatio-temporel. Ensemble, ces ressources ont fourni aux chercheurs un point de départ commun et une méthode cohérente pour comparer et affiner leurs modèles.
Afin de transformer ce socle commun en progrès collectif, l’UII a co-lancé le MedVidU Challenge avec l’Université de Strasbourg et l’Université technique de Munich à l’été 2026. L’UII a également publié une seconde série de MedVidBench comprenant 6 270 échantillons de test.
En l’espace d’environ trois mois après sa dernière mise à jour, MedVidBench a dépassé les 30 000 téléchargements et a fait l’objet de citations de la part de chercheurs du monde entier, ce qui témoigne de l’intérêt croissant de la communauté scientifique internationale.
Rassembler l’expertise mondiale pour explorer de nouvelles frontières
D’après le dernier classement, quatre équipes se sont qualifiées pour la phase finale du Challenge. Deux équipes ont été invitées à présenter leurs résultats lors de l’atelier MedVidU de l’ECCV 2026, qui s’est tenu à Malmö, en Suède, au mois de septembre.
L’atelier a également donné lieu à des présentations orales de deux articles retenus, qui exploraient de nouvelles façons d’élargir les ressources de formation en matière d’IA chirurgicale et de faire progresser l’évaluation des compétences chirurgicales. Des débats plus larges ont permis de rassembler les points de vue issus du génie biomédical et de la robotique, mettant en lumière les nouvelles orientations de l’IA appliquée à la vidéo médicale.
Les interventions chirurgicales et les procédures cliniques sont systématiquement enregistrées, mais une grande partie de ces vidéos reste sous-exploitée. L’IA appliquée à la vidéo médicale pourrait offrir une nouvelle valeur clinique : elle permettrait de soutenir la formation chirurgicale grâce à des retours d’expérience structurés, de faciliter les contrôles de sécurité peropératoires et de rationaliser l’analyse et la documentation postopératoires, avec des applications potentielles dans les soins infirmiers et le mentorat à distance.
L’UII met en place un écosystème ouvert fondé sur le partage des ressources, l’évaluation transparente, la concurrence mondiale et les échanges en matière de recherche, afin de faciliter la transposition des avancées de l’IA appliquée à la vidéo médicale dans la pratique clinique.
Classement public : https://huggingface.co/spaces/UII-AI/MedVidBench-Leaderboard
Sources des données : https://huggingface.co/datasets/UII-AI/MedVidBench
Déclaration : les ensembles de données mentionnés sont publics, anonymisés, font l’objet des autorisations nécessaires et sont accompagnés de toutes les mentions d’origine requises. Ces deux lots sont destinés à la recherche et à l’évaluation à des fins non commerciales, conformément aux conditions applicables. Les données d’entraînement du lot 2 ne sont accessibles qu’aux participants au Challenge.
