Des scientifiques utilisent l’IA pour identifier les cellules cancéreuses

Une équipe de scientifiques dirigée du Center for Molecular Medicine a développé un nouvel algorithme d’apprentissage automatique nommé Ikarus capable d’identifier en quoi les cellules cancéreuses diffèrent des cellules saines. Pour ce faire, cette IA a trouvé la signature génétique courante des tumeurs.

Un modèle commun à tous les cancers découvert par l’IA

Cette équipe dirigée par le Dr Altuna Akalin, responsable du département de science des données bio-informatiques du MDC, a conçu le modèle d’apprentissage automatique Ikarus afin que ce dernier soit capable de distinguer de manière fiable les cellules cancéreuses à partir de cellules en bonne santé.

Cet algorithme a réussi à découvrir un modèle présent au sein des cellules tumorales commun à plusieurs types de cancer. Ce modèle consiste en un certain ensemble de gènes. Cette nouvelle intelligence artificielle a également trouvé, dans le schéma, des types de gènes n’ayant jamais été clairement associés au cancer auparavant.

L’apprentissage automatique consiste en un procédé durant lequel un algorithme apprend seul à résoudre certaines problématiques via des données d’apprentissage. Pour cela, cette IA réalise des recherches afin de découvrir des modèles facilitant la résolution des problématiques.

Une fois la phrase de formation terminée, l’IA est capable d’utiliser tout son apprentissage pour l’évaluation des données. L’obtention de données de formation appropriées dans ce domaine est un défi majeur. En effet, auparavant, les experts avaient été uniquement capables de distinguer les cellules saines des cellules cancéreuses.

Un taux de réussite étonnamment élevé

Généralement, les données de séquençage unicellulaire sont bien souvent « bruyantes ». L’emploi du terme « bruyante » signifie que les données au sujet des propriétés moléculaires des cellules individuelles manquent souvent de précision.  Il y a deux raisons à cela. Dans un premier temps, chaque cellule possède un nombre distinct de gènes reconnus. Ensuite, le traitement des échantillons n’est pas toujours identique.

Toutefois, afin d’obtenir des ensembles de données appropriées, les scientifiques ont eu recours à de nombreux articles. Ils ont également recouru aux connaissances de différents groupes de recherche. Par la suite, ils ont formé leur algorithme avec des données issues de cellules cancéreuses pulmonaires et colorectales. Enfin, ce système a été appliqué à des ensembles de données issues d’autres types de cancers.

Une liste de gènes distinctifs découverte durant la phase de formation a été utilisée pour la catégorisation des cellules. Les scientifiques ont essayé plusieurs approches, ce qui a pris du temps.

La clé de la problématique était d’utiliser deux listes. Une liste a servi pour les gènes du cancer et l’autre pour les gènes d’autres cellules.

Après la période de formation, l’IA a pu procéder à une distinction correcte des cellules malignes dans d’autres types de cancer. Il s’agissait par exemple des échantillons de tissus issus d’un cancer du foie ou d’un neuroblastome.

Les scientifiques, surpris, ont expliqué que le taux de réussite de l’IA était inhabituellement élevé. Ceux-ci ont déclaré qu’ils ne s’attendaient pas à ce qu’il y ait une signature commune définissant aussi précisément les cellules tumorales de différents types de cancer. Toutefois, les chercheurs ont souligné qu’ils ne pouvaient toujours pas dire si la méthode fonctionne pour tous les types de cancer.

L’IA comme outil de diagnostic des cancers entièrement automatisé

L’objectif de ce projet est de dépasser la catégorisation des cellules comme « saines » ou « cancéreuses ».

Les scientifiques ont montré que l’approche pouvait déjà identifier d’autres types de cellules cancéreuses. Cela a été possible à partir de cellules tumorales durant des expériences préliminaires.

Les scientifiques souhaitent maintenant faire en sorte que l’approche soit plus complète. Pour cela, ils espèrent la développer davantage afin qu’elle puisse procéder à la distinction de tous les types de cellules possibles dans une biopsie.

Généralement, les pathologistes dans les hôpitaux n’analysent que des échantillons de tissus tumoraux au microscope pour permettre l’dentification des différents types de cellules. Toutefois, cette tâche est épuisante et chronophage. Les chercheurs espèrent maintenant que, via leur IA, cette phase devienne totalement automatisée.

En outre, ces données pourraient servir à établir des conclusions concernant le milieu le plus proche de la tumeur. De cette manière, les médecins pourraient déterminer le traitement optimal d’un patient atteint d’un cancer. En effet, la composition des cellules malignes et le microenvironnement permettent généralement de déterminer si un traitement ou un médicament sera bénéfique ou non. Enfin, cette IA pourrait être efficace pour le développement de traitements et médicaments novateurs.