Gabriel est allé en neuroscience après son PhD en ingénierie physique à l’Université McMaster où il a étudié la structure cristalline de matériaux pour des applications électroniques et énergétiques. En 2014, il s’est joint au Computational Brain Anatomy(CoBrA) Lab à l’Institut universitaire en santé mentale Douglas et au département de psychiatrie de l’Université McGill. Au Douglas, Gabriel passe ses journées comme expert généraliste. Il y développe des logiciels de neuroimagerie, fait la gestion de grappes, fournit de la consultation expérimentale et statistique et se penche sur des questionnements liés à la méthodologie en neuroimagerie.

Une des contributions les plus importantes aux applications modernes impliquant l’apprentissage automatique est la grande quantité de données avec laquelle on peut identifier ou apprendre à reconnaître des tendances permettant d’effectuer des prédictions. En neuroimagerie, il existe une quantité massive de données d’IRM non traitées et accessibles publiquement de sujets atteints de troubles neuropsychiatriques. Cependant, ces fichiers sont peu adaptés pour être utilisés pour l’apprentissage automatique. Les experts en apprentissage automatique ont rarement le bagage nécessaire en neuroimagerie pour convertir ces scans non traités en données suffisamment significatives pour en faire l’utilisation. Le projet PONDR AI vise à combler cette lacune en rassemblant des images accessibles publiquement, en les convertissant en données significatives de l’anatomie du cerveau humain et en rendant les données résultantes accessibles à l’utilisation par des chercheurs en apprentissage automatique.