Publié le 2025-10-20 07:54:00. Des chercheurs de l’université de Californie du Sud (USC) ont mis au point un nouvel algorithme d’intelligence artificielle capable de détecter des cellules cancéreuses dans des échantillons de sang avec une précision et une rapidité accrues, ouvrant la voie à un diagnostic plus précoce et à un suivi plus efficace des traitements.
- L’algorithme RED (Rare Event Detection) peut identifier des cellules cancéreuses rares parmi des millions de cellules sanguines normales en seulement 10 minutes.
- Il a permis de détecter 99 % des cellules cancéreuses épithéliales et 97 % des cellules endothéliales ajoutées à des échantillons sanguins.
- Cette technologie pourrait révolutionner le diagnostic du cancer, le suivi de la récidive et l’orientation des traitements.
La détection précoce du cancer repose souvent sur l’identification de cellules tumorales qui se détachent de la tumeur primaire et circulent dans le sang, une technique connue sous le nom de biopsie liquide. Jusqu’à présent, cette analyse nécessitait l’expertise de spécialistes pour examiner manuellement des lames contenant potentiellement des millions de cellules, un processus long et fastidieux. L’équipe de l’USC a développé une solution pour automatiser cette étape cruciale.
L’algorithme RED, décrit dans la revue Oncologie de précision, fonctionne de manière radicalement différente des outils existants. Contrairement à ces derniers, qui recherchent des caractéristiques spécifiques des cellules cancéreuses, RED identifie les anomalies et classe les cellules en fonction de leur rareté. Selon Assad Oberaï, professeur de génie aérospatial et mécanique à l’USC et co-auteur de l’étude,
« Les machines n’ont pas besoin de gérer les informations de la même manière que les humains. »
L’approche est illustrée par une analogie simple : RED est capable de repérer « l’aiguille dans la botte de foin » sans même savoir à quoi ressemble cette aiguille. Comme le souligne Pierre Kuhn, professeur d’université à l’USC et également co-auteur de l’étude, l’algorithme peut « séparer les valeurs aberrantes des non-valeurs ». Cette capacité à identifier les signaux inhabituels permet de trouver deux fois plus de cellules potentiellement intéressantes qu’avec les méthodes traditionnelles.
Le développement de RED s’inscrit dans la continuité des travaux antérieurs d’Oberai et Kuhn sur le cancer du sein. Oberai rappelle l’importance de cette recherche, soulignant que
« Une femme sur huit recevra un diagnostic de cancer du sein au cours de sa vie. »
Kuhn, dont la mère a elle-même été atteinte d’un cancer du sein, a constitué une vaste base de données d’images de cellules cancéreuses annotées, ce qui a permis de tester l’algorithme de manière rigoureuse. Les tests ont été menés sur des échantillons de patientes atteintes d’un cancer du sein avancé, ainsi que sur des échantillons de sang normaux auxquels des cellules cancéreuses avaient été ajoutées.
Les résultats sont prometteurs : l’algorithme a non seulement permis de réduire de 1 000 fois la quantité de données à examiner, mais a également démontré une grande précision dans la détection des cellules cancéreuses. Selon Oberai, cette nouvelle approche permet également de minimiser les biais humains et d’identifier des signaux qui pourraient passer inaperçus avec les méthodes traditionnelles. Il précise que l’algorithme permet d’isoler les cellules « intéressantes » associées au cancer, au même titre qu’un suspect l’est pour les enquêteurs.
Cette technologie est déjà appliquée à la recherche sur différents types de cancer, notamment le cancer du sein, le cancer du pancréas et le myélome multiple. Kuhn explique que cette approche représente
« une toute nouvelle manière, et à bien des égards non évidente, d’analyser la botte de foin, qui déclenche toute une vague de nouveaux développements basés sur l’IA et l’apprentissage profond. »
Il espère que ces avancées permettront de répondre à trois questions clés pour les patients : ont-ils un cancer ? Le cancer est-il parti ou réapparu ? Quel est le meilleur traitement possible ?
L’équipe de recherche souligne l’importance de la collaboration interdisciplinaire dans ce projet, qui a réuni des experts en ingénierie, en biologie et en médecine. Selon Oberai, il s’agit d’un excellent exemple de recherche convergente, où des compétences diverses sont mises à contribution pour résoudre un problème complexe.
Référence: Murgoitio-Esandi J, Tessone D, Naghdloo A et al. Détection non supervisée d’événements rares dans les tests de biopsie liquide. npj juste une fois. 2025;9(1):1-12. DOI: 10.1038/s41698-025-01015-3
Cet article a été republié à partir de ce matériel. Veuillez noter que le contenu a pu être modifié en termes de longueur et de contenu. Pour plus d’informations, veuillez contacter la source citée.
