ENGINEERINGNET.BE - À l’EPFL, Charlotte Bunne (photo), directrice du Groupe d’intelligence artificielle en médecine moléculaire, développe des algorithmes qui comprennent les données extraordinairement complexes des centaines de couches de tissus ou de protéines marqueurs dans une cellule individuelle.
La chercheuse et son équipe développent un outil clinique de diagnostic qui repose sur des technologies d’IA.
Il s’agit de prédire le meilleur traitement qu’un patient puisse recevoir, d’essayer de comprendre à quel stade de la maladie il se trouve et d’identifier les biomarqueurs ou potentielles cibles médicamenteuses à considérer plus en détail.
De manière importante, le profil moléculaire et, en conséquence, le phénotype de maladie associé au patient sont uniques à chaque personne.
Adapter les thérapies à des profils moléculaires individuels requiert des mesures comprenant les facteurs cellulaires et moléculaires qui influent sur la réponse au traitement, mais aussi de puissantes technologies d’IA, capables de prédire ces mêmes facteurs de façon fiable à partir de volumineux ensembles de données de hautes dimensions, issus d’expériences variées.
Mais on ne peut se contenter d’appliquer les technologies d’IA langagière au champ de la biologie.
Il faut tailler sur mesure les architectures et les algorithmes d’apprentissage pour les adapter aux subtilités des modèles et des données biologiques.
Charlotte Bunne: «Alors que les grands réseaux de neurones sont souvent des boîtes noires du point de vue de leurs prédictions, nous devons les concevoir de telle sorte que nous puissions au moins saisir quels facteurs biologiques ont contribué à telle prédiction.»
«Cette compréhension est cruciale pour découvrir des biomarqueurs et des cibles pour les médicaments: elle met en lumière des mécanismes et des processus biologiques liés à la maladie, et révèle ainsi de nouvelles opportunités thérapeutiques.» (Auteur: Tanya Petersen - Source: EPFL)
