TrajectoryFlowNet : l’IA reconstitue des écoulements sanguins à partir de mesures limitées
Une étude publiée le 20 octobre 2026 dans la revue scientifique Nature Machine Intelligence présente TrajectoryFlowNet, une méthode d’intelligence artificielle destinée à reconstruire les mouvements de fluides lorsque les mesures disponibles sont peu nombreuses.
Développé notamment par des chercheurs de l’Académie chinoise des sciences et d’universités chinoises, ce réseau neuronal combine deux descriptions physiques complémentaires : le suivi des particules en mouvement, dit lagrangien, et l’observation du champ d’écoulement dans l’espace, dite eulérienne. Les contraintes tirées de la mécanique des fluides aident le modèle à produire des prédictions cohérentes avec les lois physiques, plutôt que de s’appuyer seulement sur des corrélations statistiques.
Les auteurs ont évalué leur méthode sur des simulations d’écoulements complexes, mais aussi sur des mesures expérimentales concernant le sang dans l’aorte et le ventricule cardiaque. Ils rapportent une reconstruction des champs de vitesse et des trajectoires de particules sur de longues durées à partir de données limitées.
Cette étude a été évaluée par les pairs et son code est accessible publiquement. Elle ne signifie toutefois pas que l’outil constitue déjà un dispositif de diagnostic médical validé : sa robustesse, ses erreurs et ses performances cliniques devront être étudiées davantage avant toute application de santé.
Sources : étude dans Nature Machine Intelligence ; code et données des chercheurs ; mise en perspective scientifique.
