La révolution médicale connaît une avancée majeure avec l’introduction d’un nouveau modèle d’intelligence artificielle. Cette dernière est capable de transformer et de détecter le diagnostic du cancer. Ce modèle promet d’améliorer la rapidité et la précision des diagnostics. Cet état de chose représente une opportunité sans précédent de détecter la maladie à des stades plus précoces et d’optimiser les traitements pour les patients.
Diagnostic à base de l’analyse des glycanes
Les glycanes sont des structures de sucre présentes dans nos cellules. Elles peuvent servir de biomarqueurs pour le cancer si leur structure subit des modifications, détectables par spectrométrie de masse.
Actuellement, les données obtenues par cette technique doivent être minutieusement examinées par des spécialistes pour déterminer la présence éventuelle d’un cancer. Ce processus, long et complexe, nécessite l’expertise d’un nombre limité de professionnels hautement qualifiés. Cela rend indispensable le recours à l’intelligence artificielle pour accélérer l’analyse.
C’est dans ce contexte qu’une équipe de chercheurs, dirigée par le Dr Daniel Bojar, expert à l’Université de Göteborg en Suède, a développé son modèle d’IA. L’objectif de cette intelligence vise à simplifier la détection du cancer. « En théorie, cette méthode pourrait s’appliquer à tous les types de cancer, car toutes les formes de cette maladie que nous connaissons présentent des glycanes modifiés de manière caractéristique, qui peuvent être mesurés par spectrométrie de masse », explique Daniel Bojar, auteur principal des recherches publiées le 1ᵉʳ juillet 2024 dans la revue *Nature Methods*.
CandyCrunch le nouvel IA pour détecter les indications de Cancer en quelques secondes
Le modèle d’IA « CandyCrunch » permet de détecter rapidement des signes de cancer en identifiant des glycanes dans les échantillons. CandyCrunch a été entraîné sur une base de données de plus de 500 000 structures de glycanes. Ainsi, ce modèle de deep learning a appris à associer correctement les spectres de glycanes avec leurs structures. Selon le Dr Daniel Bojar, CandyCrunch parvient à prédire la structure exacte des glycanes avec une précision de 90 % après l’entraînement.
Ce contenu peut vous intéresser : L’intelligence artificielle peut-elle mettre en danger la démocratie ?
CandyCrunch plus efficace que la méthode Glycoforest
La méthode Glycoforest repose sur la spectrométrie de masse à haute résolution. Elle emploie cette technique pour identifier et annoter les structures de glycanes à partir des spectres de fragmentation.
Lire également : Des avions plus écologiques grâce à l’intelligence artificielle ?
Le modèle CandyCrunch s’est révélé plus performant que Glycoforest et marque une avancée majeure en fournissant des résultats fiables en un temps record. Selon Daniel Bojar, la vitesse d’analyse varie selon l’échantillon. Mais CandyCrunch réalise en moyenne une analyse dix fois plus rapide que Glycoforest et inclue la quantification des glycanes, ce que Glycoforest ne fait pas.
