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. 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 le 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 quel type 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 », explique Danier Bojar, principal auteur de ces travaux publiés dans la revue Nature Methods.
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. 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.
Article rédigé par Georges Simmonds pour RT Flash
