De la mutation ponctuelle au profil
Désormais, dans la prise en charge des cancers du sein notamment, la société européenne d’oncologie médicale (ESMO) recommande l’utilisation du NGS, séquençage à haut débit, qui permet d’analyser le génome de la tumeur en un temps record.
Ce qui produit d’importantes quantités de données génomiques à scanner pour y repérer des mutations… et donc nécessite la mise à contribution d’algorithmes. Une première étape qui utilise l’IA pour lutter contre le cancer.
« Mais une autre évolution se dessine, avec l’idée d’identifier non plus un événement spécifique, mais des combinaisons d’événements, qui seront plus facile à repérer et peut-être à cibler, annonce le Pr Éric Pasmant, chef du service de génétique de l’Institut Curie.
Et de préciser : « pour cela, il faudra faire appel à l’apprentissage profond (deep learning) : ce type d’IA nous permettra d’identifier des profils, c’està-dire des combinaisons de modifications génomiques, de tumeurs du sein par exemple, puis de les rechercher dans le plasma des patientes. »
Car outre le traitement d’énormes volumes de données, l’IA présente l’avantage de pouvoir combiner des données hétérogènes, qu’il s’agisse de données génétiques (mutations et variations du nombre de copies de l’ADN), d’imagerie ou d’anatomopathologie, etc., pour aboutir à une conclusion.
« Nous espérons que cette intégration de différents types de données fera mieux qu’un type unique pour diagnostiquer précisément les cancers, intercepter les rechutes, identifier les résistances et aider au développement de traitements », poursuit Éric Pasmant.
Ce qui produit d’importantes quantités de données génomiques à scanner pour y repérer des mutations… et donc nécessite la mise à contribution d’algorithmes. Une première étape qui utilise l’IA pour lutter contre le cancer.
« Mais une autre évolution se dessine, avec l’idée d’identifier non plus un événement spécifique, mais des combinaisons d’événements, qui seront plus facile à repérer et peut-être à cibler, annonce le Pr Éric Pasmant, chef du service de génétique de l’Institut Curie.
Et de préciser : « pour cela, il faudra faire appel à l’apprentissage profond (deep learning) : ce type d’IA nous permettra d’identifier des profils, c’està-dire des combinaisons de modifications génomiques, de tumeurs du sein par exemple, puis de les rechercher dans le plasma des patientes. »
Car outre le traitement d’énormes volumes de données, l’IA présente l’avantage de pouvoir combiner des données hétérogènes, qu’il s’agisse de données génétiques (mutations et variations du nombre de copies de l’ADN), d’imagerie ou d’anatomopathologie, etc., pour aboutir à une conclusion.
« Nous espérons que cette intégration de différents types de données fera mieux qu’un type unique pour diagnostiquer précisément les cancers, intercepter les rechutes, identifier les résistances et aider au développement de traitements », poursuit Éric Pasmant.
S’approprier l’apprentissage profond !
Si les méthodes d’apprentissage profond existent, un frein limite encore leur utilisation pour la recherche de biomarqueurs circulants : le volume de données disponibles pour l’entrainement des algorithmes.
« Nous avons besoin de cohortes importantes et bien caractérisées pour tenter d’identifier des événements récurrents et alimenter les algorithmes » détaille Victor Renault, responsable de l’unité de Bioinformatique clinique de l’Institut Curie.
« En attendant que celles-ci soient constituées, nous testons en permanence les nouveaux outils d’IA au sein de l’unité de Bioinformatique clinique, afin de les rendre plus performants. En outre, les avancées de l’IA pourraient aussi faciliter l’identification de nouveaux biomarqueurs ».
« Par exemple, les LLMs – Large Language Models – offrent de nouvelles perspectives d'exploration de données et peuvent permettre de découvrir de nouvelles signatures génomiques » conclut-il.
L’Institut Curie fait ainsi de son unité Bioinformatique clinique une force dans la lutte contre le cancer et réalise d’importants investissements pour offrir à ses chercheurs la puissance de calcul nécessaire au déploiement de l’IA, au service de l’amélioration de la prise en charge des patientes et des patients
« Nous avons besoin de cohortes importantes et bien caractérisées pour tenter d’identifier des événements récurrents et alimenter les algorithmes » détaille Victor Renault, responsable de l’unité de Bioinformatique clinique de l’Institut Curie.
« En attendant que celles-ci soient constituées, nous testons en permanence les nouveaux outils d’IA au sein de l’unité de Bioinformatique clinique, afin de les rendre plus performants. En outre, les avancées de l’IA pourraient aussi faciliter l’identification de nouveaux biomarqueurs ».
« Par exemple, les LLMs – Large Language Models – offrent de nouvelles perspectives d'exploration de données et peuvent permettre de découvrir de nouvelles signatures génomiques » conclut-il.
L’Institut Curie fait ainsi de son unité Bioinformatique clinique une force dans la lutte contre le cancer et réalise d’importants investissements pour offrir à ses chercheurs la puissance de calcul nécessaire au déploiement de l’IA, au service de l’amélioration de la prise en charge des patientes et des patients
