
L’IA détecte le cancer et les infections virales avec une précision nanométrique
L’image utilise deux couleurs pour montrer des composants nucléaires spécifiques qui permettent aux chercheurs de voir les structures détaillées du noyau cellulaire à une résolution nanométrique. Crédit : Zhong Limei
Des chercheurs ont développé une intelligence artificielle capable de différencier les cellules cancéreuses des cellules normales, ainsi que de détecter les stades très précoces d’une infection virale à l’intérieur des cellules. Les résultats, publiés aujourd’hui dans une étude de la revue Nature Intelligence artificielleouvrent la voie à de meilleures techniques de diagnostic et à de nouvelles stratégies de surveillance des maladies. Les chercheurs proviennent du Centre de régulation génomique (CRG), de l’Université du Pays basque (UPV/EHU), du Centre international de physique de Donostia (DIPC) et de la Fondation Biofisica Bizkaia (FBB, située à l’Institut Biofisika).
L’outil AINU (AI of the NUcleus) numérise des images haute résolution de cellules. Les images sont obtenues grâce à une technique de microscopie spéciale appelée STORM, qui crée une image capturant des détails beaucoup plus fins que ceux que les microscopes classiques peuvent voir. Les instantanés haute définition révèlent des structures à une résolution nanométrique.
Un nanomètre (nm) équivaut à un milliardième de mètre, et un cheveu humain mesure environ 100 000 nm de large. L’IA peut détecter des réarrangements à l’intérieur de cellules aussi petites que 20 nm, soit 5 000 fois plus petites que la largeur d’un cheveu humain. Ces altérations sont trop petites et subtiles pour que les observateurs humains puissent les détecter avec les seules méthodes traditionnelles.
« La résolution de ces images est suffisamment puissante pour que notre IA reconnaisse des modèles et des différences spécifiques avec une précision remarquable, notamment des changements dans la façon dont l’ADN est disposé à l’intérieur des cellules, ce qui permet de repérer les altérations très rapidement après leur apparition. Nous pensons qu’un jour, ce type d’informations pourra permettre aux médecins de gagner un temps précieux pour surveiller les maladies, personnaliser les traitements et améliorer les résultats des patients », explique Pia Cosma, professeure de recherche à l’ICREA, co-auteure correspondante de l’étude et chercheuse au Centre de régulation génomique de Barcelone.
« Reconnaissance faciale » au niveau moléculaire
AINU est un réseau neuronal convolutionnel, un type d’IA spécialement conçu pour analyser des données visuelles telles que des images. Parmi les exemples de réseaux neuronaux convolutionnels, on peut citer les outils d’IA qui permettent aux utilisateurs de déverrouiller leurs smartphones avec leur visage, ou d’autres utilisés par les voitures autonomes pour comprendre et naviguer dans les environnements en reconnaissant les objets sur la route.
En médecine, les réseaux neuronaux convolutionnels sont utilisés pour analyser des images médicales telles que des mammographies ou des tomodensitogrammes et identifier des signes de cancer qui pourraient passer inaperçus à l’œil nu. Ils peuvent également aider les médecins à détecter des anomalies dans les examens IRM ou les images radiographiques, ce qui permet d’établir un diagnostic plus rapide et plus précis.
L’AINU détecte et analyse les structures minuscules à l’intérieur des cellules au niveau moléculaire. Les chercheurs ont entraîné le modèle en l’alimentant avec des images à résolution nanométrique du noyau de nombreux types de cellules différents dans différents états. Le modèle a appris à reconnaître des modèles spécifiques dans les cellules en analysant la façon dont les composants nucléaires sont distribués et disposés dans l’espace tridimensionnel.
Par exemple, les cellules cancéreuses présentent des modifications distinctes de leur structure nucléaire par rapport aux cellules normales, comme des altérations de l’organisation de leur ADN ou de la distribution des enzymes dans le noyau. Après une formation, l’AINU pourrait analyser de nouvelles images de noyaux cellulaires et les classer comme cancéreuses ou normales en se basant uniquement sur ces caractéristiques.
La résolution nanométrique des images a permis à l’IA de détecter des changements dans le noyau d’une cellule dès une heure après l’infection par le virus de l’herpès simplex de type 1. Le modèle a pu détecter la présence du virus en décelant de légères différences dans la densité de l’ADN, ce qui se produit lorsqu’un virus commence à altérer la structure du noyau de la cellule.
« Notre méthode permet de détecter les cellules infectées par un virus très rapidement après le début de l’infection. Normalement, les médecins mettent du temps à détecter une infection car ils se basent sur des symptômes visibles ou des changements plus importants dans l’organisme. Mais avec l’AINU, nous pouvons immédiatement voir de minuscules changements dans le noyau de la cellule », explique Ignacio Arganda-Carreras, co-auteur correspondant de l’étude et chercheur associé d’Ikerbasque à l’UPV/EHU et affilié à l’Institut FBB-Biofisika et au DIPC de Saint-Sébastien/Donostia.
« Les chercheurs peuvent utiliser cette technologie pour voir comment les virus affectent les cellules presque immédiatement après leur entrée dans le corps, ce qui pourrait aider à développer de meilleurs traitements et vaccins. Dans les hôpitaux et les cliniques, l’AINU pourrait être utilisé pour diagnostiquer rapidement les infections à partir d’un simple échantillon de sang ou de tissu, rendant le processus plus rapide et plus précis », ajoute Limei Zhong, co-premier auteur de l’étude et chercheur à l’hôpital populaire provincial du Guangdong (GDPH) à Guangzhou, en Chine.
Jeter les bases de la préparation clinique
Les chercheurs doivent surmonter d’importantes limitations avant que la technologie soit prête à être testée ou déployée en milieu clinique. Par exemple, les images STORM ne peuvent être prises qu’avec un équipement spécialisé que l’on trouve normalement uniquement dans les laboratoires de recherche biomédicale. La mise en place et la maintenance des systèmes d’imagerie requis par l’IA représentent un investissement important en termes d’équipement et d’expertise technique.
Une autre contrainte est que l’imagerie STORM n’analyse généralement que quelques cellules à la fois. À des fins de diagnostic, en particulier dans les contextes cliniques où la rapidité et l’efficacité sont cruciales, les médecins devraient capturer un nombre beaucoup plus élevé de cellules dans une seule image pour pouvoir détecter ou surveiller une maladie.
« Il y a de nombreuses avancées rapides dans le domaine de l’imagerie STORM, ce qui signifie que les microscopes pourraient bientôt être disponibles dans des laboratoires plus petits ou moins spécialisés, et éventuellement, même dans les cliniques. Les limitations d’accessibilité et de débit sont des problèmes plus faciles à résoudre que nous le pensions auparavant et nous espérons pouvoir bientôt réaliser des expériences précliniques », déclare le Dr Cosma.
Même si les bénéfices cliniques ne se feront sentir que dans quelques années, l’AINU devrait accélérer la recherche scientifique à court terme. Les chercheurs ont découvert que la technologie pouvait identifier les cellules souches avec une très grande précision. Les cellules souches peuvent se développer en n’importe quel type de cellule du corps, une capacité connue sous le nom de pluripotence. Les cellules pluripotentes sont étudiées pour leur potentiel à aider à réparer ou à remplacer les tissus endommagés.
L’AINU peut rendre le processus de détection des cellules pluripotentes plus rapide et plus précis, contribuant ainsi à rendre les thérapies à base de cellules souches plus sûres et plus efficaces.
« Les méthodes actuelles de détection de cellules souches de haute qualité reposent sur des tests sur les animaux. Cependant, tout ce dont notre modèle d’IA a besoin pour fonctionner est un échantillon coloré avec des marqueurs spécifiques qui mettent en évidence les principales caractéristiques nucléaires. En plus d’être plus simple et plus rapide, il peut accélérer la recherche sur les cellules souches tout en contribuant à la réduction de l’utilisation des animaux dans la science », explique Davide Carnevali, premier auteur de l’étude et chercheur au CRG.
Plus d’informations :
Une méthode d’apprentissage profond qui identifie l’hétérogénéité cellulaire à l’aide de caractéristiques nucléaires à l’échelle nanométrique, Nature Intelligence artificielle (2024). DOI: 10.1038/s42256-024-00883-x
Fourni par le Centre de régulation génomique
Citation: L’IA détecte le cancer et les infections virales avec une précision nanométrique (2024, 27 août) récupéré le 27 août 2024 à partir de
Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre d’information uniquement.