Les techniques d’apprentissage automatique, typiques de l’intelligence artificielle, pourraient s’avérer utiles pour identifier ces détails importants dans les échantillons de tissus humains qui peuvent aider à diagnostiquer le syndrome myélodysplasique (SMD). Ce dernier est une tumeur impliquant des cellules souches de la moelle osseuse qui entraîne un dysfonctionnement des cellules sanguines (modification de leur voie de maturation).[3]
C’est la découverte faite par une équipe de chercheurs de l’Université d’Helsinki, une découverte qui pourrait être utile dans les cas où il est difficile d’identifier avec précision ces mutations génétiques dans les cellules cancéreuses par des humains qui doivent les distinguer à l’œil.[1]
Les chercheurs ont utilisé plusieurs images d’échantillons de moelle osseuse provenant de diverses personnes atteintes de SMD. Ces images ont été « alimentées » par un algorithme qui simule les réseaux neuronaux et repose sur l’apprentissage automatique. Les chercheurs ont pu identifier avec précision les mutations génétiques les plus courantes (mutations acquises et aberrations chromosomiques) qui sous-tendent la progression du syndrome myélodysplasique. La technique mise au point par les chercheurs est décrite en détail dans une étude parue dans Blood Cancer Discovery.[2]
« L’étude confirme que l’analyse computationnelle permet d’identifier des caractéristiques qui échappent à l’œil humain. En outre, l’analyse des données permet de recueillir des données quantitatives sur les changements cellulaires et leur pertinence pour le pronostic des patients », explique Satu Mustjoki, l’un des chercheurs impliqués dans l’étude.[1]
