Un nouveau modèle d’intelligence artificielle pour accélérer le diagnostic de cancer

8
Un nouveau modèle d’intelligence artificielle pour accélérer le diagnostic de cancer
Un nouveau modèle d’intelligence artificielle pour accélérer le diagnostic de cancer

Africa-Press – Comores. Des chercheurs de l’université de Göteborg (Suède) ont mis au point un modèle d’intelligence artificielle (IA) permettant d’améliorer le diagnostic de potentiel cancer via l’analyse de molécules de sucre, les glycanes.

L’analyse des glycanes, potentiel révélateur de cancer

Les glycanes sont des structures de molécules de sucre dans nos cellules. Ces molécules peuvent constituer des biomarqueurs de cancer, si l’analyse par spectrométrie de masse (lire ci-dessous) révèle que leur structure a changé.

La spectrométrie de masse est une méthode d’analyse qui a pour but d’identifier les différentes molécules et leur quantité présente dans les échantillons étudiés. Cette analyse se produit en transformant les molécules en ions chargés, puis en les triant et les détectant en fonction de leur masse et de leur charge.

À l’heure actuelle, les données mesurées par la spectrométrie doivent être soigneusement analysées par des humains pour voir s’il y a apparition de formes de cancer ou non. Ce travail de fourmi requiert des heures, voire des jours, et l’expertise de quelques spécialistes qui ont été formés pendant des années, d’où l’utilité d’une intelligence artificielle qui permettrait d’accélérer l’analyse.

C’est pourquoi une équipe de chercheurs menée par Dr Daniel Bojar, maître de conférences associé en bio-informatique à l’Université de Göteborg (Suède), a mis au point un modèle d’IA permettant de faciliter la détection de cancer. “En principe, la méthode peut s’appliquer à n’importe quels types de cancer puisque toutes les formes de cancer que nous connaissons possèdent des glycanes modifiés de manière caractéristique qui peuvent être mesurés par spectrométrie de masse, nous explique Danier Bojar, principal auteur de ces travaux publiés le 1er juillet 2024 dans la revue Nature Methods.

CandyCrunch, un modèle d’IA qui détecte en quelques secondes des indications de cancer

Ce nouveau modèle d’IA nommé “CandyCrunch”, en référence au célèbre jeu vidéo “Candy Crush Saga” a besoin de quelques secondes seulement pour détecter d’éventuelles indications de cancer via l’identification de molécules de sucre ou glycanes dans les échantillons observés.

CandyCrunch a pour cela été entraîné grâce à une base de données de plus de 500.000 exemples de différentes fragmentations et structures de glycanes. Les chercheurs ont utilisé ces données pour entraîner un modèle d’intelligence artificielle de type “deep learning” (capable d’apprendre par elle-même) à reconnaître d’autres glycanes à l’avenir.

“Pendant l’entraînement, nous montrons au modèle de nombreux spectres de ce type, dans lesquels le modèle peut voir les morceaux de glycanes, et nous demandons ensuite au modèle de prédire quel glycane appartient à ce spectre, détaille Daniel Bojar. Ensuite, le modèle nous donne un glycane sous forme de texte et nous “récompensons” ou non le modèle en fonction d’à quel point le glycane prédit est proche de la véritable réponse, jusqu’à ce que le modèle ait appris à associer correctement les glycanes à la façon dont ils se décomposent dans le spectromètre de masse.”

Selon Daniel Bojar, “l’entraînement a permis à CandyCrunch de calculer la structure de sucre exacte contenue dans un échantillon dans 90% des cas”.

Le modèle CandyCrunch s’est avéré plus efficace que la méthode Glycoforest et représente une avancée considérable puisqu’il est capable de fournir des résultats corrects dans un temps imparti record.

La méthode Glycoforest utilise la spectrométrie de masse à haute résolution pour identifier et annoter les structures de glycanes à partir de spectres de fragmentation.

“Bien sûr, la différence de temps exact varie beaucoup en fonction de l’échantillon, précise Daniel Bojar, mais nous obtenons régulièrement une analyse 10 fois plus rapide des données de glycanes via CandyCrunch, bien qu’il soit important que cela comprenne la quantification pour CandyCrunch mais pas pour Glycoforest.”

Le chercheur principal de cette étude note également une meilleure performance de CandyCrunch que de Glycoforest. “Comme nous nous entraînons sur un ensemble de données beaucoup plus important, notre modèle peut également identifier une gamme de glycanes beaucoup plus large que Glycoforest”, conclut-il.

Pour plus d’informations et d’analyses sur la Comores, suivez Africa-Press

LAISSER UN COMMENTAIRE

Please enter your comment!
Please enter your name here