Cancer : une intelligence artificielle révolutionnaire pour un diagnostic ultra-précis

Les progrès en intelligence artificielle ouvrent de nouvelles perspectives non seulement pour le diagnostic médical, mais également pour anticiper l’évolution de maladies graves comme le cancer. Des chercheurs de la Harvard Medical School ont récemment présenté un modèle polyvalent d’IA, baptisé "Chief", qui fonctionne comme un ChatGPT médical, spécialisé dans le diagnostic et la prédiction des résultats pour divers types de cancers.

Contrairement aux systèmes d'IA actuellement utilisés, souvent limités à des tâches spécifiques comme la détection de certaines cellules cancéreuses ou l'estimation des mutations dans une tumeur, "Chief" repousse ces limites. Il est capable de diagnostiquer plusieurs types de cancers, d’évaluer les chances de survie des patients, et de proposer les traitements les plus appropriés.

Ce modèle se base sur l’analyse d’images de tissus tumoraux pour identifier des caractéristiques essentielles et prédire les profils génétiques avec une précision remarquable. Testé sur 19 types de cancer, "Chief" surpasse les performances des modèles traditionnels grâce à une flexibilité qui rappelle celle des modèles de langage tels que ChatGPT. Il peut ainsi étudier le "microenvironnement tumoral" — le tissu entourant la tumeur — qui joue un rôle clé dans l’efficacité des traitements.

"Chief" est capable d’indiquer quel traitement pourrait être le plus adapté pour chaque patient, qu’il s’agisse de chirurgie, de chimiothérapie, de radiothérapie ou d’immunothérapie. L'une de ses innovations réside dans sa capacité à anticiper la réponse d’une tumeur aux traitements classiques, tout en découvrant des caractéristiques tumorales jusque-là méconnues qui influencent la survie des patients. Cette approche personnalisée oriente également vers des essais cliniques pour les patients qui ne répondent pas aux traitements standards.

Pour atteindre une telle précision, les chercheurs ont entraîné "Chief" sur un ensemble de 15 millions d’images de tissus, incluant 60 000 lames de tissus issus de plusieurs types d’organes. Cette formation a permis au modèle d’associer des détails spécifiques à une vue d’ensemble plus globale, essentielle pour évaluer avec exactitude les caractéristiques des tumeurs. Le modèle a ensuite été testé sur plus de 19 400 images provenant de patients du monde entier, et il s’est montré 36% plus performant que les IA existantes dans l’identification des cellules cancéreuses, la détermination de l’origine de la tumeur, et la prédiction des mutations génétiques associées aux traitements.

Les chercheurs prévoient désormais d’élargir les compétences de "Chief" en l’entraînant sur des images de maladies rares et de tissus précancéreux pour faciliter la détection précoce et les interventions préventives. Ils envisagent également d’intégrer davantage de données moléculaires pour mieux distinguer les niveaux d’agressivité des cancers et prédire les effets secondaires possibles des traitements. Leur ambition est de rendre "Chief" accessible mondialement, afin de réduire les inégalités dans les ressources médicales et d’améliorer les soins en oncologie.