IA et recherche contre le cancer : six innovations inspirantes

Bioinspiration : quand les pigeons « entraînent » les modèles d’IA

Les travaux exposés en 2026 dans la revue Animal Cognition par des chercheurs américains méritent d’être présentés, car ils sont un bel exemple de bio-inspiration.

En effet, l’équipe a entraîné six pigeons – le pigeon est un animal réputé pour sa vue exceptionnelle – à reconnaître des nodules pulmonaires sur des scanners thoraciques. Formulée de cette manière, l’idée peut sembler fantaisiste, mais ces travaux sont très sérieux et cadrés par un protocole strict.

Ce qui intéresse les chercheurs est la capacité des pigeons à traiter les informations visuelles sans jugement conscient. Ils ont ainsi montré aux pigeons de courtes séquences de CT thoraciques[1], avec ou sans nodule pulmonaire présent. Six animaux sur huit ont alors « appris » à détecter la tâche apparaissant sur le cliché, puis on leur a soumis d’autres images qu’ils n’avaient jamais vues. Les pigeons ont ainsi prouvé qu’ils étaient capables de construire une catégorie visuelle abstraite de l’anomalie pulmonaire, de manière non consciente.

Bien entendu, l’objectif à terme n’est pas d’intégrer des pigeons à l’hôpital. L’intérêt de ces travaux est d’étudier le système visuel du pigeon afin d’aider au développement d’un modèle d’IA permettant de réduire les erreurs de diagnostic dans la détection des cancers du poumon.

RED, MUSK, DOLPHIN : à chaque algorithme son surnom

L’University of Southern California (USC) a récemment présenté RED, un algorithme qui renverse la logique d’apprentissage classique. En effet, celui-ci se concentre d’abord sur ce qu’il est normal de découvrir dans une biopsie liquide, au lieu d’apprendre à reconnaître une cellule tumorale. Le système classe alors les événements par rareté. Ce mode de fonctionnement semble efficace, puisque l’algorithme est capable de retrouver la quasi-totalité des « cellules rares » (autrement dit malades), mais en réduisant d’un facteur 1 000 la quantité de données à examiner.

L’université de Standford utilise également des approches qui vont en dehors des sentiers battus. Exemple : le modèle MUSK, présenté dans Nature en janvier 2025, qui combine images de pathologie et texte clinique non apparié, ce qui n’est pas commun, car les modèles médicaux exigent généralement des données parfaitement annotées. Le modèle (qui n’est pas encore au stade des essais cliniques) aurait des applications très larges, puisqu’il couvre 33 types tumoraux et vise à la fois le diagnostic, la prédiction de rechute du mélanome et la réponse à l’immunothérapie dans le cas des cancers gastro-œsophagiens et pulmonaires.

De son côté, l’université McGill, au Canada, propose DOLPHIN, un modèle d’IA conçu pour analyser les données issues du séquençage d’ARN unicellulaire. L’outil serait capable d’analyser les cellules à un niveau plus fin qu’avec les méthodes traditionnelles, en ne se limitant pas à un comptage global des gènes. En examinant les « briques » qui composent les gènes, DOLPHIN peut ainsi détecter des marqueurs biologiques invisibles jusqu’à présent. L’analyse de données de patients atteints d’un cancer du pancréas aurait ainsi permis à DOLPHIN d’identifier plus de 800 nouveaux marqueurs de maladie ! À terme, l’outil contribuera à la détection précoce des maladies, voire à la création de modèles numériques d’un nouveau genre : des cellules virtuelles.

L’IA comme aide au développement de médicaments

On constate aussi un fort engouement pour l’utilisation de l’IA dans le développement de molécules et en particulier de traitements médicamenteux.

Citons l’IA générative « Cell2Sentence-Scale 27B », spécialisée dans la biologie unicellulaire et qui permet de simuler l’effet de milliers de traitements sur des cellules virtuelles, donc sans toucher de patient. Comme annoncé dans le preprint publié début 2026, cet outil développé par Google et l’université de Yale, aurait réussi à identifier, parmi plus de 4 000 molécules, une piste thérapeutique jugée biologiquement plausible. L’objectif de cet hypothétique traitement (à valider in vitro) : renforcer le système immunitaire pour qu’il agisse contre des tumeurs difficiles à détecter.

L’entreprise de biotechnologie Insilico Medicine utilise également la chimie générative, notamment sa plateforme Chemistry42, pour concevoir des molécules destinées au traitement anticancer. Exemple : la molécule expérimentale ISM3412, qui cible une enzyme spécifique (MAT2A) impliquée dans la croissance de certaines tumeurs. Si elle est destinée au traitement des tumeurs solides avancées ou métastatiques, rappelons que la molécule est encore à un stade précoce, puisqu’elle est actuellement évaluée en phase I d’essais cliniques.

[1]  Examen d’imagerie qui utilise des rayons X afin de créer des images en coupe détaillées de la région thoracique.