Le pouvoir de l’apprentissage automatique : cet outil peut détecter le cancer précocement

Um facto preocupante… Cancro nos jovens aumentou quase 80% em 30 anos

Un groupe de chercheurs a formulé et validé une méthode d’apprentissage automatique (ML – machine learning) qui permet d’identifier précocement le cancer en utilisant des échantillons de sang plus petits, selon une nouvelle étude.

Un fait inquietant Le cancer chez les jeunes a augmente

De nombreuses preuves montrent que le cancer détecté à des stades avancés tue les personnes. Cette nouvelle technologie nous rapproche d’un monde où les personnes feront une analyse de sang annuelle pour détecter le cancer plus tôt, lorsqu’il est plus traitable et potentiellement guérissable.

A déclaré Cristian Tomasetti, auteur correspondant de l’étude et directeur du Centre de Prévention et de Détection Précoce du Cancer de la City of Hope, dans un communiqué de presse.

De plus, il a expliqué que lorsqu’un cancer du sein est détecté à la phase 1, 99% des personnes survivent pendant les cinq années suivantes, mais s’il est détecté à la phase 4, lorsque des métastases sont déjà présentes, la survie baisse directement à 31%.

Les chercheurs ont utilisé un algorithme appelé Alu Profile Learning Using Sequencing (A-Plus) sur 7657 échantillons de 5980 personnes, incluant des cancers du sein, du côlon, du rectum, de l’œsophage, du poumon, du foie, du pancréas, de l’ovaire et de l’estomac.

La technologie qu’ils ont développée a été capable d’identifier la moitié des cancers dans les 11 types étudiés. Le test était précis, avec seulement un faux positif sur 100 tests. La plupart des échantillons de cancer provenaient de personnes atteintes de la maladie à un stade précoce.

Le pouvoir de lapprentissage automatique cet outil peut detecter

Comment la technologie a-t-elle détecté le cancer?

Lorsque les cellules meurent, leur ADN est libéré dans le sang. Les signes du cancer peuvent être trouvés dans cet « ADN libre de cellules » (cfDNA). Les chercheurs se sont concentrés sur les schémas de fragmentation dans les régions répétitives du cancer et de l’ADN libre de cellules normal, ce qui le rend plus efficace que les méthodes traditionnelles.

Selon Tomasetti, cette approche fragmentée nécessite environ huit fois moins de sang que le séquençage complet du génome.

Notre technique est plus pratique pour les applications cliniques, car elle nécessite de plus petites quantités de matériel génomique d’un échantillon de sang. Le succès continu dans ce domaine et la validation clinique ouvrent la porte à l’introduction de tests de routine pour détecter le cancer à ses stades les plus précoces.

A déclaré Kamel Lahouel, coauteur de l’étude et professeur adjoint à la Division de Génomique Intégrée du Cancer de TGen.

Tomasetti et son équipe sont prêts à commencer un essai clinique dans le but d’évaluer l’efficacité de leur technologie dans l’identification des stades précoces du cancer, augmentant ainsi la faisabilité d’une intervention et d’un traitement opportuns.

La recherche a été menée en collaboration avec la City of Hope, l’une des plus grandes organisations de recherche et de traitement du cancer aux États-Unis, et le Translational Genomics Research Institute, une organisation de recherche médicale faisant partie de la City of Hope. L’étude a été publiée dans la revue Science Translational Medicine.