L’IA accélère la détection des maladies graves

L’intelligence artificielle (IA) est en train de révolutionner le diagnostic médical via les analyses de sang. Elle permet de détecter des signes précoces de maladies telles que le cancer de l’ovaire ou la pneumonie.

L’IA transforme la recherche médicale et les traitements. Elle pourrait, à l’avenir, détecter bien plus d’informations à partir d’une simple analyse de sang. Cette application est notamment prometteuse pour les cancers qui sont mieux pris en charge dès les premiers symptômes de la maladie détectés.

La détection du cancer de l’ovaire souvent bien trop tardive pourrait ainsi être accélérée grâce à l’IA, ce qui réduirait la mortalité. “Il faut détecter le cancer de l’ovaire cinq ans avant l’apparition des symptômes pour avoir un impact sur la mortalité”, explique à la BBC Audra Moran, responsable de l‘Ovarian Cancer Research Alliance (Ocra), une organisation caritative mondiale basée à New York. Pour la scientifique, ce type de cancer est “rare, sous-financé et mortel”.

Agir dès les premiers symptômes

Dans ce contexte, de nouveaux tests sanguins émergent. Ils exploitent la puissance de l’intelligence artificielle (IA) pour repérer les signes de ce cancer à ses tout premiers stades. L’IA peut également accélérer d’autres tests sanguins pour des infections potentiellement mortelles, comme la pneumonie, et accélérer le diagnostic des patients.

Des technologies de pointe sont développées dans cette optique, développe le média anglais. Des chercheurs du Memorial Sloan Kettering Cancer Center de New York, dirigés par le Dr Daniel Heller, utilisent des nanotubes – des tubes minuscules en carbone, environ 50 000 fois plus petits que le diamètre d’un cheveu humain – pour analyser des échantillons de sang. Ces nanotubes émettent de la lumière fluorescente en fonction des molécules qui s’y fixent, ce qui permet de repérer des signes de cancer à un stade très précoce.

Cependant, l’interprétation des données issues de ces nanotubes est complexe. Les chercheurs ont utilisé un algorithme d’apprentissage automatique pour analyser les données et distinguer les échantillons provenant de patients atteints du cancer de l’ovaire de ceux de personnes non malades.