听
, pr茅sent茅e dans la revue Nature et dirig茅e par les professeurs Logan Walsh et Daniela Quail de l'Institut du cancer Rosalind et Morris Goodman, en partenariat avec le Dr. Philippe Joubert de l'Universit茅 Laval, figure parmi les principaux pr茅tendants 脿 cette reconnaissance importante.
L'茅tude, avec le potentiel d'am茅liorer significativement les r茅sultats du traitement pour les patients atteints de cancer du poumon, utilise l'intelligence artificielle (IA) pour pr茅dire la n茅cessit茅 d'un traitement suppl茅mentaire apr猫s une chirurgie, pr茅venant ainsi la r茅currence du cancer. Cette r茅alisation a 茅t茅 reconnue par un panel de scientifiques experts qui l'ont s茅lectionn茅e comme l'une des 10 meilleures d茅couvertes de l'ann茅e. Le grand public peut participer au processus de vote sur le site web de
R茅fl茅chissant sur la nomination, Mark Sorin, candidat au doctorat en MD-Ph.D. et l'un des trois premiers co-auteurs de la publication, a d茅clar茅 : 芦 Nous sommes tr猫s fiers de notre s茅l茅ction par Qu茅bec Science. Cette nomination t茅moigne du potentiel important de nos recherches qui ont pour but d鈥檃m茅liorer la survie des patients atteints d鈥檜n cancer du poumon. 禄
Pour relever le d茅fi de la r茅currence du cancer, les chercheurs ont examin茅 si la constitution microscopique des tumeurs pourrait fournir plus d'informations sur les tumeurs qui reviendront m锚me apr猫s une ablation chirurgicale. Ils ont utilis茅 l鈥檌magerie par cytom茅trie de masse pour capturer des images des diff茅rents types et positions de cellules canc茅reuses et immunitaires dans des 茅chantillons de cancer du poumon. Pour analyser ces donn茅es, les chercheurs ont eu recours 脿 l'intelligence artificielle, capable d'interpr茅ter rapidement des images qui prendraient sinon des ann茅es 脿 锚tre analys茅es manuellement par un 锚tre humain. Apr猫s avoir appris en analysant certaines images de tumeurs, l'IA a 茅t茅 pr茅sent茅e aux images restantes et a pu pr茅dire avec une pr茅cision de 95,6% quelles tumeurs 茅taient revenues apr猫s la chirurgie.
Le professeur Logan Walsh a partag茅 ce que le succ猫s de cette technologie signifie pour les futures recherches et pratiques cliniques : 芦 Dans notre 茅tude, nous avons d茅montr茅 la preuve du principe selon laquelle l'intelligence artificielle peut identifier avec pr茅cision des motifs distincts au sein de l'architecture d'une tumeur, fournissant des informations pr茅cieuses sur la biologie sous-jacente influen莽ant la progression du cancer et les r茅ponses th茅rapeutiques. De plus, notre mod猫le bas茅 sur l'IA montre des promesses en tant que biomarqueur potentiel, offrant des informations pr茅cieuses pour guider la prise de d茅cision clinique. 禄
M锚me apr猫s l'ablation chirurgicale d'une tumeur, la r茅currence du cancer reste une pr茅occupation significative dans de nombreux cas. Bien que des traitements suppl茅mentaires puissent r茅duire la probabilit茅 de r茅currence, les effets secondaires toxiques de divers m茅dicaments anticanc茅reux, tels que la chimioth茅rapie, soulignent l'importance de d茅terminer avec pr茅cision quels patients b茅n茅ficieront de soins suppl茅mentaires. Cette 茅tude aborde ce d茅fi en utilisant de nouvelles technologies d'imagerie pour pr茅dire avec pr茅cision quels cancers sont susceptibles de revenir. Cela permet aux m茅decins d'administrer rapidement le bon traitement aux patients appropri茅s.
R茅fl茅chissant sur l'impact de leur d茅couverte sur les patients et le syst猫me de sant茅, le Dr. Philippe Joubert a d茅clar茅 : 芦 Notre d茅couverte s鈥檌nt猫gre bien dans la nouvelle 猫re de m茅decine personnalis茅e en oncologie pulmonaire et de la pertinence en m茅decine, qui visent 脿 adapter la prise en charge des patients en fonction des caract茅ristiques individuelles d鈥檜ne tumeur, et de mieux allouer les ressources de notre syst猫me de sant茅 afin de les rendre disponibles aux patients qui en ont vraiment besoin. Cette d茅couverte marque 茅galement un grand pas vers l鈥檃vant dans l鈥檌nt茅gration de l鈥檌ntelligence artificielle dans le d茅veloppement potentiel de tests compagnons. 禄