L’intelligence artificielle se rapproche de la révélation de secrets cachés qui contrôlent l’évolution du cancer
Une équipe scientifique de l’Université d’Australie-Méridionale est parvenue à développer une approche innovante et efficace pour détecter les interactions génétiques à l’origine de la stimulation du développement du cancer, une avancée scientifique ouvrant des perspectives prometteuses en matière de diagnostic précoce et de mise au point de traitements plus précis et ciblés.
Cette nouvelle méthode repose sur l’utilisation des techniques d’intelligence artificielle afin d’identifier des groupes de gènes agissant de manière coordonnée pour favoriser la croissance tumorale, plutôt que de se concentrer sur des gènes mutés pris isolément, comme c’est le cas dans les études traditionnelles.
Dans ce cadre, le chercheur principal de l’étude, Andrés Cifuentes Bernal, a expliqué que l’équipe a utilisé des outils d’intelligence artificielle pour évaluer l’influence réciproque des gènes au fil du temps, ce qui a permis une compréhension plus approfondie des mécanismes biologiques qui permettent aux tumeurs de croître, de se propager et de résister aux traitements.
Bernal a souligné que les approches conventionnelles négligent souvent les variations génétiques subtiles ou rares, ainsi que les interactions complexes entre les gènes qui confèrent aux cellules malignes leur capacité d’évolution. Selon les conclusions de l’étude, ce nouveau système ne se limite pas à l’identification de gènes déjà connus, mais parvient également à mettre au jour des gènes jusque-là inconnus, notamment des gènes non mutés qui influencent d’autres gènes et contribuent ainsi au développement tumoral.
L’équipe scientifique a confirmé que cette méthode a démontré son efficacité dans l’identification de plusieurs moteurs connus du cancer, tout en révélant de nouveaux gènes candidats liés à la signalisation cellulaire, à la réponse immunitaire et à la propagation du cancer. Cette avancée pourrait aider à définir de nouvelles cibles thérapeutiques, en particulier chez les patients dont les tumeurs ne présentent pas de mutations génétiques courantes.
