L’intelligence artificielle aide les scientifiques à comprendre le cancer d’une nouvelle manière. Une collaboration révolutionnaire entre DeepMind et l’Université de Yale a développé un système d’IA avancé capable d’analyser les données cellulaires à une échelle sans précédent. Baptisé C2S-Scale 27B, cet outil ne se contente pas d’analyser les données : il prédit comment les cellules cancéreuses pourraient réagir à différents traitements.
Cette percée représente un changement dans la recherche sur le cancer, passant de la simple description de ce qui arrive aux cellules cancéreuses à la prédiction réelle de leur comportement. Le modèle d’IA fonctionne en combinant des données réelles sur les tumeurs avec des réponses cellulaires simulées, ce qui lui permet d’analyser comment les médicaments agissent dans diverses conditions. Il utilise une technique appelée criblage virtuel à double contexte pour tester simultanément des milliers de médicaments potentiels dans des cellules cultivées en laboratoire et dans des données sur les tumeurs des patients.
Ce qui rend cette découverte particulièrement importante est ce que l’IA a découvert : un mécanisme jusqu’alors caché qui permet à certains cancers, en particulier ceux classés comme tumeurs « froides », d’échapper à la détection immunitaire. Cette découverte pourrait conduire à de nouvelles approches pour aider l’organisme à reconnaître et à combattre les cancers résistants aux médicaments.
L’approche de l’IA imite la façon de penser des biologistes. Il peut analyser comment des milliers de combinaisons de médicaments pourraient affecter les cellules cancéreuses dans différentes conditions, ce que les expériences de laboratoire traditionnelles ne peuvent pas faire efficacement. Alors que les tests conventionnels examinent une variable à la fois, cette IA peut simuler des milliers de combinaisons pour identifier des traitements prometteurs. Selon les chercheurs, environ 10 à 30 pour cent des combinaisons de médicaments identifiées n’avaient jamais été étudiées auparavant.
Par exemple, l’IA a prédit que la combinaison de deux médicaments spécifiques améliorerait considérablement la capacité du système immunitaire à reconnaître les cellules tumorales. Lorsque les chercheurs de Yale ont testé cette prédiction en laboratoire, ils ont découvert que la combinaison améliorait la reconnaissance immunitaire d’environ 50 pour cent – bien au-delà de ce que chaque médicament permettait individuellement. Cela a démontré la capacité de l’IA à identifier des approches thérapeutiques efficaces qui pourraient manquer aux chercheurs humains.
Le développement marque un nouveau rythme de découverte. En intégrant les données génomiques, protéomiques et de réponse aux médicaments, l’IA peut identifier les liens biologiques clés beaucoup plus rapidement que les approches expérimentales traditionnelles. Cette efficacité pourrait transformer la recherche médicale, de la même manière que le séquençage à haut débit a révolutionné la biologie il y a vingt ans.
Cette avancée s’inscrit dans une tendance croissante. D’autres équipes de recherche, notamment celles du MIT et de Cellarity, ont développé des outils d’IA complémentaires comme DrugReflector qui peuvent tester des milliers de médicaments sur différents types de cellules. Ces systèmes en boucle fermée, dans lesquels l’IA identifie les traitements potentiels et les laboratoires les testent, pourraient réduire considérablement le temps nécessaire au développement de nouvelles thérapies.
Cependant, les experts soulignent que l’IA se positionne comme un collaborateur et non comme un substitut aux chercheurs humains. Lors de récentes conférences sur l’IA en biologie, les scientifiques ont reconnu la force de l’IA dans le traitement de données complexes, mais ont souligné que les chercheurs humains continuent de fournir un contexte et un jugement essentiels. Ces systèmes excellent dans l’identification de modèles et de connexions inattendues que les humains pourraient manquer, aidant ainsi les chercheurs à concentrer leurs investigations.
Pour l’avenir, ce développement représente une étape importante dans la méthodologie scientifique. Pour la première fois, un modèle d’IA à grande échelle a analysé avec succès des données biologiques pour générer une hypothèse testable sur la résistance du cancer qui a résisté à l’examen minutieux des laboratoires. Cette approche crée un modèle pour accélérer la découverte scientifique dans tous les domaines en permettant des expériences virtuelles capables d’examiner rapidement des milliers de possibilités.
Informations clés
- Nouveau paradigme : L’IA fait passer la recherche sur le cancer de la description du cancer à la prédiction de son comportement et de ses vulnérabilités.
- Efficacité : Le système peut analyser simultanément des milliers de combinaisons de médicaments, accélérant ainsi considérablement le processus de découverte de médicaments.
- Collaboration : L’IA apparaît comme un puissant collaborateur qui aide les chercheurs à concentrer leurs recherches plutôt que de remplacer les scientifiques humains.
- Potentiel futur : La méthodologie créée par cette percée pourrait transformer la découverte scientifique dans plusieurs disciplines
