En avril 2026, des chercheurs financés par le NIH ont franchi un cap : leur modèle d’IA cancer prédit désormais la survie de patients à partir de données issues de cellules tumorales individuelles. S’appuyant sur des analyses menées sur le mélanome et le cancer du foie, cette approche éclaire la façon dont certaines populations cellulaires influencent directement le risque encouru par les malades.
Le projet, piloté par des équipes soutenues par le National Institutes of Health (NIH), s’est concentré sur l’étude de tumeurs à l’échelle unicellulaire. Plutôt que de s’arrêter à l’observation générale d’une tumeur, les scientifiques ont disséqué sa structure cellulaire, révélant une mosaïque complexe où chaque sous-ensemble de cellules peut jouer un rôle spécifique dans la progression de la maladie. C’est dans cette multitude que l’algorithme d’IA cancer a cherché des signaux prédictifs.
Le modèle a été entraîné sur des données provenant de patients atteints de mélanome et de carcinome hépatocellulaire, la forme la plus fréquente de cancer du foie. Pour chaque cas, l’IA a analysé les profils d’expression génétique de milliers de cellules tumorales individuelles. L’objectif : relier la présence ou la proportion précise de certains types cellulaires à la probabilité de survie des patients.
Des sous-populations cellulaires liées au pronostic (IA cancer)
Les résultats ont permis d’établir des liens entre la composition cellulaire des tumeurs et l’évolution clinique des malades. Chez les personnes atteintes de mélanome, la présence accrue de certaines cellules immunitaires semblait associée à un risque moindre, tandis que d’autres sous-populations, encore peu explorées, pouvaient signaler un pronostic plus sombre. Dans le cancer du foie, l’IA cancer a mis en évidence des groupes cellulaires dont la proportion s’avérait déterminante pour anticiper la survie.
Ce travail, publié sous l’égide du NIH, marque une étape dans l’intégration de l’intelligence artificielle et de la biologie cellulaire pour affiner le pronostic des cancers. L’exploitation de données à l’échelle unicellulaire ouvre la voie à des outils de médecine de précision capables d’orienter le suivi et les traitements de façon plus nuancée qu’auparavant.
Vers des applications cliniques ciblées ?
Si l’étude se concentre pour l’instant sur le mélanome et le carcinome hépatocellulaire, la méthodologie pourrait s’étendre à d’autres types de tumeurs. En identifiant les signatures cellulaires associées à la survie, l’IA cancer pourrait aider à repérer les patients à risque élevé et à personnaliser les choix thérapeutiques. Le NIH souligne que cette avancée pourrait à terme transformer la prise en charge des cancers, en fournissant aux cliniciens des indicateurs supplémentaires pour ajuster les traitements.
Les chercheurs insistent toutefois sur la nécessité de valider ces résultats dans des cohortes plus larges et sur d’autres types de cancers. Mais la démonstration d’un lien entre populations cellulaires spécifiques et pronostic, établie grâce à l’IA, pourrait bien changer en profondeur la façon d’aborder le diagnostic et le suivi des patients atteints de tumeurs solides.
Source originale : NIH-funded AI model predicts cancer survival from single-cell tumor data via nih.gov (26/04/2026)
Credit photo: Tara Winstead (Licence Pexels) – source image