Le cancer du sein tue plus de 12 000 femmes en France chaque année. Pour son 31e anniversaire, la campagne de lutte « Octobre Rose », qui a débuté lundi 30 septembre, met l'intelligence artificielle à l'honneur en vue d’améliorer le diagnostic.
au sommaire
Le cancer du sein est l'un des types de cancer les plus courants. Chaque année, il touche plus de 62 000 femmes en France, et 12 000 d'entre elles en décèdent. Et si l'intelligence artificielle (IAIA) pouvait prédire plus précisément le risque de développer un cancer du sein ? C'est ce que suggère une nouvelle étude, menée par l'université de Copenhague et publiée dans The Lancet Digital Health.
Repérer les cellules endommagées grâce à l’IA
La sénescence cellulaire est un indicateur de risque de cancer : des recherches antérieures ont montré qu'elle joue un double rôle, à la fois antitumoral et protumoral.
Le saviez-vous ?
La sénescence cellulaire est un état spécifique dû au vieillissement, dans lequel les cellules sont entièrement reprogrammées. Une cellule sénescente est encore active sur le plan métabolique, mais a cessé de se diviser et présente un noyau plus irrégulier.
Les chercheurs ont entraîné un algorithme sur des cellules développées en culture, qui ont été intentionnellement endommagées pour les rendre sénescentes. Ils ont ensuite utilisé l'IA sur les biopsiesbiopsies de tissus mammaires de donneuses pour détecter les cellules sénescentes. Résultat : l'utilisation de l'IA s'est avérée plus efficace que les méthodes cliniques actuelles pour détecter les cellules sénescentescellules sénescentes et ainsi évaluer le risque de cancer du sein. D'après les chercheurs, combiner méthodes conventionnelles et intelligence artificielle permettrait une encore meilleure performance. Une évaluation plus précise du risque de cancer permettrait d'améliorer le suivi des patientes à haut risque, anticiper le potentiel diagnostic et adapter le traitement à chacune.
L'avantage de cette méthode est qu'elle ne nécessite que des images d'échantillons de tissus standard pour effectuer l'analyse, ce qui la rend applicable dans le monde entier. Il faudra toutefois encore plusieurs années avant que cette technologie ne soit disponible en clinique.
