Dans le parcours de traitement du cancer, la détection précoce reste un défi de taille. Ces dernières années, les techniques de biopsie liquide ont suscité un intérêt considérable en raison de leur caractère non invasif et de leur haute sensibilité. Cependant, les techniques de détection existantes reposent souvent sur un séquençage ciblé en profondeur, ce qui rend difficile l'intégration de plusieurs types de données et affecte ainsi la sensibilité et la spécificité. Pour pallier cette lacune technologique, une équipe de chercheurs de l'Université d'Oxford a mis au point une nouvelle méthode de détection multimodale de l'ADN tumoral circulant (ADNtc), basée sur le séquençage pyridinylborane assisté par TET (TAPS) à l'échelle du génome. Le principal avantage de cette méthode...

Des scientifiques américains ont récemment publié des résultats de recherche majeurs dans la revue Nature : le modèle d'intelligence artificielle FastGlioma, développé conjointement par l'Université du Michigan et l'Université de Californie à San Francisco, permet d'identifier rapidement la présence de cellules tumorales cancéreuses résiduelles lors d'une intervention chirurgicale cérébrale en 10 secondes, marquant une avancée révolutionnaire en neurochirurgie. Cette innovation combine l'imagerie optique microscopique et un modèle d'IA de base. L'équipe de recherche a utilisé plus de 11 000 échantillons chirurgicaux et 4 millions d'images microscopiques pour la pré-formation, en utilisant la technique d'imagerie tissulaire Raman stimulée développée par l'Université du Michigan.

Une équipe de recherche du Karolinska Institutet en Suède a mis au point un dispositif de nanorobots à ADN. Ces robots, équipés d'« armes » qui ne s'activent que dans le microenvironnement tumoral, ont permis de réduire efficacement la croissance tumorale de 70 % lors d'expérimentations sur des souris.