Les trois articles d'AITRIX ont été acceptés simultanément à ICLR 2026.

AITRICS (PDG Gwangjun Kim), une société d'intelligence artificielle médicale, a annoncé le 5 que trois articles de son équipe de recherche ont été simultanément acceptés à ICLR 2026, une conférence académique internationale dans le domaine de l'IA.

ICLR est une conférence de référence en intelligence artificielle, réunissant des chercheurs et des entreprises informatiques du monde entier. Elle est reconnue comme une conférence académique majeure où sont partagées les dernières découvertes en matière d'apprentissage automatique. Sur les 19 000 articles soumis à ICLR 2026, seuls les 28 % meilleurs ont été retenus après évaluation.

Les trois articles acceptés cette fois-ci sont : Delta-XAI, une technologie d’IA explicable qui explique quantitativement les causes des changements dans les scores de prédiction des risques des patients ; une technologie d’apprentissage auto-supervisé isomorphe qui améliore la stabilité des performances dans divers environnements médicaux en reflétant les structures de changement des données ; et une recherche sur l’apprentissage semi-supervisé déséquilibré par classe qui améliore les problèmes de déséquilibre des données tels que les maladies rares grâce au regroupement sémantique.

Ces études sont évaluées en fonction de leur importance académique et de leur potentiel d'application industrielle, car elles présentent des méthodologies permettant de relever les principaux défis dans le domaine de l'IA médicale : les difficultés d'interprétation des résultats, la dégradation des performances due à la transformation des données et les limites de l'apprentissage à partir de données rares.

AITRIX prévoit de présenter ses résultats de recherche lors de la conférence ICLR 2026, qui se tiendra à Rio de Janeiro, au Brésil, en avril, et prévoit d'utiliser ces technologies pour améliorer les performances de ses produits d'IA médicale.

AITRIX prévoit de poursuivre le développement de technologies d'IA utilisables dans le domaine médical en prenant comme point de départ de ses recherches les problèmes rencontrés dans les environnements cliniques réels.

• Voir plus d'articles connexes