Une équipe de chercheurs de l'Université de Hong Kong (HKU) a récemment annoncé le développement d'un outil d'imagerie basé sur l'intelligence artificielle (IA) visant à améliorer la vitesse et la précision du diagnostic du cancer. Cette nouvelle technologie, nommée « CytoMAD » (CytoMorphological Adversarial Distillation), dirigée par le professeur Qi Kevin de la faculté d'ingénierie, utilise l'IA générative pour effectuer une analyse précise des cellules individuelles, sans recourir aux techniques de marquage traditionnelles.
La technologie CytoMAD, testée en collaboration avec la faculté de médecine Li Ka Shing et l'hôpital Mary de l'Université de Hong Kong, a démontré de bons résultats dans l'évaluation des patients atteints d'un cancer du poumon et peut soutenir le processus de criblage médicamenteux. Elle améliore la clarté des images en corrigeant automatiquement les incohérences du processus d'imagerie, extrait des informations auparavant indétectables, permettant ainsi une analyse de données plus fiable et une meilleure prise de décision médicale.
Les méthodes traditionnelles d'imagerie cellulaire nécessitent souvent une coloration et un marquage des échantillons cellulaires, ce qui est long et fastidieux. CytoMAD élimine ces étapes, simplifiant la préparation des échantillons et accélérant le processus de diagnostic. Le modèle d'IA est capable de convertir des images en champ clair standard en représentations plus détaillées, révélant ainsi des caractéristiques cellulaires généralement difficiles à analyser. Cette conversion est réalisée grâce à un algorithme d'IA générative entraîné à extraire des informations liées aux propriétés mécaniques et moléculaires des cellules.
De nombreuses techniques d'imagerie cellulaire actuelles reposent sur des processus lents et coûteux, susceptibles de retarder les décisions thérapeutiques cruciales. CytoMAD offre une alternative sans marquage, réduisant les coûts tout en maintenant la précision. En utilisant l'IA générative, le système transforme les images en champ clair à faible contraste en images plus informatives, permettant une analyse approfondie de la morphologie cellulaire sans coloration chimique.
Un autre défi dans l'imagerie cellulaire est la variabilité introduite par les différences de configuration des équipements et de protocoles d'imagerie, appelée « effet de lot ». Ces incohérences peuvent entraver l'interprétation précise des données biologiques. De nombreuses solutions d'apprentissage automatique existantes reposent sur des hypothèses de données prédéfinies, limitant leur adaptabilité. CytoMAD, quant à lui, ne nécessite aucune contrainte de données prédéfinie, permettant un traitement plus objectif et généralisé de l'analyse des images cellulaires.
L'un des atouts du système réside dans sa technologie d'imagerie optique ultrarapide, capable de capturer des millions d'images de cellules par jour. Cette capacité de haut débit accélère l'entraînement, l'optimisation et la mise en œuvre du modèle d'IA. L'équipe de recherche espère utiliser cette technologie pour améliorer davantage les solutions d'imagerie biomédicale basées sur l'IA. La capacité de traiter rapidement un grand volume de données cellulaires fait de CytoMAD un outil puissant pour les applications cliniques et la recherche médicale.
Au-delà du diagnostic du cancer du poumon, CytoMAD pourrait accélérer la découverte de médicaments en réduisant le temps nécessaire au processus de criblage. La combinaison de l'imagerie efficace et de l'analyse pilotée par l'IA offre une alternative plus efficace aux méthodes traditionnelles. L'évaluation rapide de la réponse des cellules au traitement devrait améliorer le calendrier de développement des médicaments, apportant ainsi une valeur ajoutée à la recherche pharmaceutique.
À long terme, l'équipe de recherche souhaite étendre l'application de CytoMAD au domaine de la médecine prédictive, en prévoyant d'entraîner le modèle à détecter les signes précoces du cancer et d'autres maladies. Les développements futurs pourraient se concentrer sur l'intégration du système dans la pratique clinique pour permettre une surveillance des patients en temps réel et une planification de traitements personnalisés. La capacité de l'IA à analyser des quantités massives de données et à capturer des changements cellulaires subtils pourrait améliorer la capacité de détection précoce des maladies, améliorant ainsi les résultats thérapeutiques des patients.
Pour faire avancer cette recherche, l'équipe recherche un financement et prévoit un essai clinique de trois ans pour suivre des patients atteints d'un cancer du poumon afin de suivre les résultats grâce à la technologie d'imagerie améliorée par l'IA. Cette recherche devrait promouvoir une application plus large de l'IA dans le diagnostic médical, améliorant l'efficacité et l'évolutivité des solutions médicales.
Article : https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/advs.202307591
Points clés :
🔍 **L'équipe de recherche a développé CytoMAD, un nouvel outil d'imagerie basé sur l'IA qui améliore la précision et la vitesse du diagnostic du cancer.**
💡 **CytoMAD simplifie le processus de diagnostic en corrigeant et en analysant automatiquement les images, éliminant ainsi les étapes fastidieuses de coloration et de marquage des cellules traditionnelles.**
🚀 **Cette technologie est applicable non seulement à la détection du cancer du poumon, mais aussi à l'accélération de la découverte de médicaments, et pourrait à l'avenir être utilisée dans un domaine plus large de la médecine prédictive.**
