Dans les chirurgies des tumeurs, la détection et l'exérèse rapides des tissus tumoraux résiduels constituent un défi majeur pour la médecine, notamment dans le cas des tumeurs cérébrales et autres cancers solides. Malgré les progrès constants des technologies médicales, les tumeurs résiduelles continuent d'affecter le pronostic et la qualité de vie des patients, tout en représentant une charge considérable pour les systèmes de santé. Aux États-Unis, les interventions correctives et les traitements ultérieurs nécessaires suite à des tumeurs résiduelles coûtent plus d'un milliard de dollars par an. Note sur l'illustration : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney Afin de résoudre ce problème, l'Université du Michigan et l'Université de Californie à San Francisco...

'🐶 Une étude démontre l'exactitude de l'IA et de la thermographie pour le dépistage des masses cutanées et sous-cutanées chez les chiens. ''🔬 L'étude de HT Vista a utilisé des algorithmes d'apprentissage automatique pour une validation en deux étapes. ''🏥 Ce système innovant promet de devenir un outil d'aide au diagnostic, facilitant la détection précoce du cancer.'

Des chercheurs néerlandais ont développé un algorithme appelé Sturgeon capable d'identifier le type de tumeur cérébrale en 90 minutes. Cet algorithme s'appuie sur la technologie de séquençage par nanopores, permettant la lecture en temps réel des séquences de bases d'échantillons d'ADN. Après entraînement et tests, l'algorithme a correctement identifié le type de tumeur cérébrale dans 18 cas en 40 minutes. En identifiant les sous-types de tumeurs cérébrales, les chirurgiens peuvent adapter leur stratégie chirurgicale. Les chercheurs souhaitent valider davantage la technologie et la comparer aux méthodes standard.