Recevez chaque jour toute l'actualité du numérique

x

Google et l'Institut Curie misent sur l'IA pour trouver de meilleurs remèdes contre les cancers

Dans le cadre d'un programme de recherche, Google et l'Institut Curie vont développer des systèmes d'apprentissage automatique pour comprendre les mécanismes d'évolution des tumeurs. L'objectif est de trouver les meilleurs traitements possibles en alliant biologie et data science.
Twitter Facebook Linkedin Flipboard Email
×

Google et l'Institut Curie misent sur l'IA pour trouver de meilleurs remèdes contre les cancers
Google et l'Institut Curie misent sur l'IA pour trouver de meilleurs remèdes contre les cancers © Institut Curie/Facebook

Google et l'Institut Curie, centre de lutte contre le cancer, viennent d'annoncer leur collaboration autour de la création de systèmes d'apprentissage automatique pour les thérapies ciblées dans le cadre d'un programme de recherche sur le traitement du cancer.

Etudier l'hétérogénéité tumorale
L'équipe Dynamique de la plasticité épigénétique de l'Institut Curie et Google Research, sous la direction du chercheur Jean-Philippe Vert, vont travailler sur l'hétérogénéité des tumeurs, facteur déterminant de la réponse et de la résistance au traitement du cancer.

"Ensemble, notre objectif est de tirer parti de la science des données pour éclaircir les nouveaux mécanismes d'évolution des tumeurs", explique Celine Vallot, cheffe de l'équipe de l'Institut Curie, dans un communiqué.

Pour rappel, une tumeur est causée par une multiplication anarchique des cellules. Elle n'est pas constituée d'un ensemble de clones de cette cellule anormale mais d'une imbrication de clones issus de plusieurs cellules anormales. C'est ce que l'on appelle l'hétérogénéité tumorale. L'analyse de l'activité de toutes ces cellules permet de retracer l'histoire du cancer et donc de mieux l'appréhender.

Les risques de la thérapie ciblée
La médecine moderne, de plus en plus personnalisée, induit l'utilisation de thérapie ciblée considérée comme plus efficace mais plus difficile à appliquer à des tumeurs hétérogènes. Car, le risque est de proposer un traitement qui fonctionne uniquement sur une sous-population de cellules cancéreuses, celles prélevées lors de la biopsie.

L'idéal serait donc de pouvoir étudier l'ensemble des mécanismes qui sous-tendent toutes les cellules anormales. Ce qui représente une quantité de travail astronomique car cela implique de décortiquer des milliers de données. D'où l'intérêt d'allier biologie et data science.

Prédire la résistance au traitement
Les scientifiques vont donc étudier les données épigénomiques, relatives à l'ensemble des modifications épigénétiques d'une cellule pouvant être transmis lors des divisions cellulaires, et transcriptomiques, en lien avec l'ensemble des ARN présents dans une cellule à instant donné. Le but final est de prédire la résistance au traitement et in fine, de trouver les meilleurs remèdes contre cette maladie grâce au développement de systèmes d'apprentissage automatique.

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media