Publié le 24 septembre 2025. Des chercheurs de l’USC Viterbi School of Engineering et de l’USC Dornsife College of Letters, Arts and Sciences ont développé un algorithme d’IA révolutionnaire pour identifier rapidement les cellules cancéreuses dans les échantillons sanguins, promettant une avancée majeure pour le diagnostic et le suivi du cancer.
- Une nouvelle approche de « biopsie liquide » permet de détecter les cellules tumorales circulant dans le sang.
- L’algorithme RED (Rare Event Detection) automatise l’identification de ces cellules rares en 10 minutes, une tâche auparavant laborieuse et longue.
- Cette technologie pourrait transformer la détection précoce, le suivi des récidives et l’orientation des traitements anticancéreux.
Le cancer, lorsqu’il se propage, libère de minuscules quantités de cellules qui peuvent migrer dans la circulation sanguine. La biopsie liquide vise à détecter ces cellules cancéreuses circulantes (CTC) dans des échantillons de sang. Jusqu’à présent, cette détection reposait sur l’examen minutieux, souvent sur plusieurs heures, d’images de milliers de cellules par des spécialistes qualifiés, une méthode fastidieuse et sujette à l’erreur humaine.
L’équipe de l’USC a conçu un nouvel algorithme d’intelligence artificielle (IA), baptisé RED (Rare Event Detection), capable d’identifier automatiquement quelques cellules cancéreuses parmi des millions de cellules sanguines normales. Cette percée, détaillée dans la revue Oncologie de précision, promet de détecter le cancer plus rapidement, de déterminer d’éventuelles récidives et d’orienter les choix thérapeutiques.
Le développement de RED a impliqué Javier Murgoitio-Esandi, doctorant spécialisé en apprentissage automatique et IA, sous la direction de Assad Oberaï, professeur en génie aérospatial et mécanique, et de Peter Kuhn, professeur émérite et figure reconnue dans le domaine des sciences biologiques et médicales. Peter Kuhn, fort de décennies d’expérience dans la conception de systèmes de détection de cellules cancéreuses, voit dans cette approche d’apprentissage profond un moyen de dynamiser le processus.
Contrairement aux outils existants qui nécessitent une connaissance préalable des caractéristiques spécifiques des cellules cancéreuses, RED fonctionne différemment. Il n’a même pas besoin de savoir à quoi ressemble la « cellule recherchée ». L’IA identifie les schémas inhabituels, classant les éléments par leur rareté. Les découvertes les plus singulières sont ainsi mises en avant.
« Les machines n’ont pas besoin de gérer les informations de la même manière que les humains. »
Assad Oberaï, Professeur de génie aérospatial et mécanique
Comme dans un jeu, l’algorithme repère « ce qui n’est pas comme les autres ». Il peut ainsi examiner des millions de cellules et « séparer les valeurs aberrantes des non-valeurs », explique Peter Kuhn.
Ce projet, soutenu par l’Institut Ming Hsieh de recherche en ingénierie-médecine pour la recherche sur le cancer, s’appuie sur des travaux antérieurs de Peter Kuhn et Assad Oberaï sur le cancer du sein. « Une femme sur huit recevra un diagnostic de cancer du sein au cours de sa vie », rappelle Assad Oberaï, soulignant l’urgence de la recherche.
L’engagement de Peter Kuhn est profond, sa mère ayant elle-même reçu un diagnostic de cancer du sein. En tant que directeur du Convergent Science Institute in Cancer de l’USC Michelson Center, il a constitué une vaste base de données annotées par des humains. Cette richesse de données a permis de tester RED de deux manières : d’abord sur les échantillons sanguins de patientes atteintes de cancer du sein avancé, puis en ajoutant artificiellement des cellules cancéreuses à des échantillons sanguins normaux.
Les résultats de l’algorithme sont probants :
- Il a identifié 99 % des cellules cancéreuses épithéliales ajoutées.
- Il a détecté 97 % des cellules endothéliales ajoutées.
- Il a réduit de mille fois la quantité de données à analyser.
Au-delà de l’élimination des biais humains, « nous sommes capables de trouver plus de signaux que l’ancienne approche. Nous avons pu trouver deux fois plus de cellules intéressantes par rapport à l’ancienne approche », indique Assad Oberaï. Il précise que le terme « intéressant » est utilisé dans le sens d’un « suspect de crime est une personne d’intérêt ».
Cette nouvelle méthode, déjà appliquée pour l’étude de cancers tels que le cancer du sein, le cancer du pancréas et le myélome multiple, ouvre la voie à une analyse plus performante des cellules sanguines.
« [Ceci est] une toute nouvelle manière, et à bien des égards non évidente, d’analyser la botte de foin, qui déclenche toute une vague de nouveaux développements basés sur l’IA et l’apprentissage profond. »
Peter Kuhn, Professeur émérite
Peter Kuhn espère que ces travaux contribueront à répondre à trois questions cruciales dans le parcours du patient :
- Ai-je un cancer ?
- Mon cancer est-il parti ou est-il réapparu ?
- Quel est le meilleur prochain traitement pour mon cancer ?
« Chacune de ces parties du parcours du patient, nous voulons l’étayer avec des données provenant du sang », affirme-t-il.
« C’est l’un des très bons exemples où l’IA moderne change réellement la façon dont nous menons la recherche sur les soins de santé. Notre prochaine étape consiste à continuer à pousser l’IA à l’avant-garde pour changer radicalement notre capacité à détecter précocement le cancer dans le sang des patients », conclut Assad Oberaï.
Selon lui, ce projet illustre également parfaitement la recherche convergente, où des experts de divers domaines scientifiques et d’ingénierie collaborent pour résoudre des problèmes complexes.
Référence : Murgoitio-Esandi J, Tessone D, Naghdloo A et al. Détection non supervisée d’événements rares dans les tests de biopsie liquide. Oncologie de précision. 2025;9(1):1-12. DOI : 10.1038/s41698-025-01015-3