Bernard

  • Biopuce nanophotonique IA : détection rapide des microARN sanguins

    MicroARN et cancer pulmonaire, un besoin diagnostique non couvert

    Les microARN circulants constituent des biomarqueurs prometteurs, notamment dans le cancer pulmonaire non à petites cellules, mais leur faible concentration limite leur détection. Selon l’OMS :

    • ~ 2,2 millions de nouveaux cas/an.
    • ~ 1,8 million de décès/an.
    • Survie à 5 ans <20 %.

    Les techniques actuelles par PCR restent contraignantes : délais analytiques prolongés, préparation complexe et performances variables aux faibles concentrations.

    Une biopuce nanophotonique couplée à l’IA pour une analyse multiplex

    Développée par la Nanyang Technological University (Singapour), cette biopuce repose sur une nanocavité amplifiant les signaux fluorescents lors de la liaison microARN-sonde, associée à un algorithme de deep learning (Mask R-CNN) pour l’analyse automatisée. Elle permet :

    • La détection multiplex sans amplification nucléique.
    • L’analyse automatisée par IA.
    • La lecture simultanée de milliers de signaux.

    Validation expérimentale et performances analytiques

    Une étude de preuve de concept, publiée en 2026 dans Advanced Materials, a été menée sur extraits cellulaires et matrices enrichies en microARN. Les résultats indiquent :

    • Temps d’analyse : ~20 min (vs plusieurs heures en PCR).
    • Sensibilité : détection jusqu’à quelques molécules.
    • Précision : >99 % d’identification.

    Vers une translation clinique et un déploiement décentralisé

    Un prototype portable intégrant caméra et application mobile a été validé. Les prochaines étapes concernent la validation clinique à plus grande échelle et les procédures d’homologation réglementaire. Les applications envisagées incluent :

    • Le dépistage précoce en oncologie.
    • Le suivi thérapeutique personnalisé.
    • Et le diagnostic en milieux à ressources limitées.

     

  • IA et biopsie : estimation du vieillissement cellulaire

    Selon l’OMS, la transition démographique renforce l’intérêt pour des biomarqueurs fiables. D’ici 2050, 2,1 milliards de personnes auront 60 ans ou plus, tandis que 74 % des décès dans le monde sont déjà liés aux maladies chroniques. Dans ce contexte, les télomères apparaissent corrélés au risque de pathologies associées au vieillissement.

    Situés à l’extrémité des chromosomes, les télomères protègent l’intégrité génomique. Leur raccourcissement progressif reflète le vieillissement biologique et l’exposition aux facteurs de risque.

    Les techniques de mesure actuelles, comme la PCR quantitative, restent complexes et peu adaptées à un usage à grande échelle.

    TLPath, IA et histopathologie

    Développé par le Sanford Burnham Prebys Medical Discovery Institute, TLPath repose sur l’apprentissage profond appliqué à l’imagerie histologique. Il analyse des biopsies de routine, segmente les lames en unités d’étude et extrait des signatures morphologiques prédictives. L’entraînement s’appuie sur les données du Genotype-Tissue Expression Project (NIH).

    Une validation à grande échelle

    L’étude publiée dans Cell Reports Methods repose sur une approche rigoureuse :

    • 5 263 lames utilisées pour l’entraînement.
    • 919 individus couvrant 18 types de tissus.
    • 11 tissus avec prédiction fiable de la longueur des télomères.

    Résultats : des performances supérieures aux approches classiques

    Les analyses montrent que TLPath surpasse les approches basées sur l’âge :

    • Corrélation prédictive jusqu’à r = 0,67, contre ≈0,30–0,40 pour l’âge seul.
    • Robustesse confirmée dans 11 types tissulaires.
    • Validation indépendante sur >900 individus (p < 0,001).

    Cette approche ouvre des perspectives pour exploiter les biobanques d’images en pathologie numérique, avec des applications en stratification du risque et en médecine de précision.

     

     

  • Inde : 449 millions de téléconsultations, l’IA accélère l’accès aux soins primaires

    Un consortium national

    Avec 1,4 milliard d’habitants, l’Inde fait face à une couverture inégale des soins primaires et à une pénurie de spécialistes, particulièrement en zones rurales. Cette contrainte structurelle limite l’accès au diagnostic précoce, complique le suivi des maladies chroniques et fragilise la continuité des soins.

    Dans ce contexte, la télémédecine s’impose comme un levier organisationnel clé. La plateforme e-Sanjeevani repose sur un consortium associant :

    • Le Ministry of Health and Family Welfare (MoHFW), pilote stratégique.
    • La National Health Authority (NHA) via l’Ayushman Bharat Digital Mission (ABDM), pour l’interopérabilité.
    • Les centres Ayushman Arogya Mandirs, maillage de proximité.

    L’intégration des identifiants ABHA (Ayushman Bharat Health Account) et de dossiers médicaux partagés permet d’optimiser la pertinence clinique. Des modules d’IA, fondés sur des systèmes d’aide à la décision (CDSS), structurent le triage et les prescriptions.

    449 millions d’actes, dont 12 millions assistés par IA

    Depuis 2019, e-Sanjeevani s’impose comme le plus vaste programme mondial de télémédecine primaire :

    • 449 millions de téléconsultations.
    • 220 000 professionnels mobilisés.
    • 12 millions de cas appuyés par IA.

    Dans la lutte contre la tuberculose :

    • −27 % d’issues défavorables.
    • +12 à 16 % de détection de cas.

    Vers une médecine populationnelle augmentée

    Ce modèle illustre une transformation systémique :

    • Accès élargi aux soins en zones sous-dotées.
    • Standardisation et sécurisation des parcours.
    • Transition vers une médecine de précision à grande échelle.

    L’extension des capacités d’IA et l’exploitation des données de santé positionnent l’Inde comme un acteur structurant de la santé numérique mondiale.

     

     

  • Pipeline open source : vers une standardisation du séquençage génomique

    Explosion des données génomiques

    Le séquençage à haut débit génère des volumes massifs, posant un défi important en diagnostic in vitro.

    Selon le National Human Genome Research Institute, la capacité mondiale de séquençage a fortement progressé en quinze ans, complexifiant leur exploitation.

    • Un génome humain produit près de 100 Go de données brutes.
    • Les études multi-échantillons portent sur des dizaines à centaines de génomes.

    La diversité des outils bioinformatiques limite toutefois la reproductibilité et la standardisation des analyses.

    Une plateforme automatisée et interopérable

    Développé par le Sanford Burnham Prebys Medical Discovery Institute et l’University of California Los Angeles, « metapipeline-DNA » automatise les étapes critiques du séquençage. Le projet, financé par les National Institutes of Health et le National Cancer Institute, intègre :

    • Alignement automatisé sur génome de référence.
    • Détection standardisée des variants.
    • Contrôle qualité intégré.

    Compatible avec le cloud et les infrastructures HPC (High Performance Computing, ou calcul haute performance reposant sur des clusters de serveurs capables de traiter des volumes massifs de données en parallèle), l’outil favorise l’interopérabilité et la scalabilité des analyses.

    Performances validées

    Une étude comparative multicentrique, conduite sur plusieurs mois, a évalué le pipeline : validation via le Genome in a Bottle Consortium, analyse de 10 génomes tumoraux appariés et comparaison à des pipelines existants. Publiés dans Cell Reports Methods, les résultats indiquent :

    • Une réduction des faux positifs jusqu’à 30 %.
    • Une précision de détection supérieure à 99 %.

    Ce pipeline pourrait accélérer la médecine de précision via l’extension aux analyses transcriptomiques et protéomiques, et son déploiement en réseaux multi-institutionnels.

     

  • Japon : Fujitsu déploie une plateforme d’IA dans 16 hôpitaux (+10 % de chiffre d’affaires et 400 heures administratives économisées par mois

    Un système hospitalier confronté à un vieillissement hors norme

    Le Japon fait face à un vieillissement structurel de sa population. Les plus de 65 ans représentent déjà 29,1 % de la population, soit 36 millions de personnes, et cette part devrait dépasser 35 % en 2040.

    Cette évolution pèse sur l’organisation des soins. Le pays compte 8 200 hôpitaux et 1,5 million de lits, soit le parc hospitalier le plus étendu de l’OCDE. Dans ce système, 60 % des hospitalisations concernent des patients âgés. La durée moyenne de séjour atteint 28 jours, contre 8 jours en moyenne dans l’OCDE.

    À cette pression démographique s’ajoute une tension sur les effectifs. Le déficit est estimé à 40 000 médecins et 200 000 infirmiers d’ici 2030. Dans le même temps, entre 30 % et 50 % du temps médical est absorbé par des tâches administratives.

    Fujitsu déploie une plateforme d’IA hospitalière à Nagasaki

    Dans ce contexte, Fujitsu déploie une solution d’intelligence artificielle dans 16 établissements du groupe Social Medical Corporation Genshukai, à Nagasaki. L’objectif est triple : réduire les coûts, améliorer le pilotage de l’activité et optimiser l’usage des ressources humaines.

    Le programme repose sur une architecture hybride, présentée comme une plateforme hospitalière « data-driven ». Elle agrège les données issues des dossiers patients informatisés, des systèmes financiers et des outils administratifs. Un moteur d’analyse permet de prévoir les revenus, de repérer des inefficiences et d’améliorer le codage médical. La plateforme comprend aussi un volet d’automatisation, utilisé pour la production de documents cliniques, la facturation et le codage des actes. Enfin, une interface décisionnelle donne accès à des tableaux de bord en temps réel et à des indicateurs de performance.

    Les premiers résultats en conditions réelles indiquent :

    • +10 % de chiffre d’affaires hospitalier
    • −400 heures/mois de tâches administratives
    • amélioration du codage et de la facturation (fiabilité accrue)
    • optimisation de l’allocation des ressources hospitalières

    L’entreprise rapporte une amélioration du codage et de la facturation avec une fiabilité renforcée, ainsi qu’une optimisation de l’allocation des ressources hospitalières.

    Une perspective de déploiement élargi dès 2026

    Ce programme d’IA de gestion hospitalière, combinant data analytics et automatisation, a été distingué par le Forum économique mondial 2026, ouvrant la voie à un déploiement élargi au Japon dès 2026.

  • Cancer d’origine inconnue : l’IA génomique améliore la précision diagnostique

    Cancers d’origine inconnue : un enjeu clinique sous-estimé

    Selon l’OMS, les cancers à primitif inconnu (CUP) — métastases dont l’origine tumorale reste indéterminée — représentent 3 à 5 % des cancers, soit120 000 cas/an. Les limites diagnostiques actuelles (immunohistochimie, séquençage ciblé) entraînent :

    • Plus de 40 % de diagnostics tardifs ou erronés.
    • 50 % d’impact sur les décisions thérapeutiques.

    IA multi-omique : une biopsie moléculaire augmentée

    Caris Life Sciences (Irving, Texas, États-Unis), spécialisée en oncologie de précision, a développé Caris GPSai, un modèle d’apprentissage profond intégrant :

    • Séquençage exome (WES) et transcriptome (WTS).
    • Classification tumorale en 90 catégories.
    • Détection des tumeurs mal classifiées et CUP.

    Validation sur plus de 97 000 cas cliniques

    Les résultats de l’étude observationnelle multicentrique combinant une analyse rétrospective (entraînement et validation initiale du modèle) et une validation prospective en conditions réelles d’utilisation clinique ont été publiés dans Cancer Research Communications. Ils rapportent :

    • 95 % de précision pour identifier l’origine tumorale (hors CUP).
    • Identification de l’origine dans 84 % des CUP (cas historiquement non classables) et 96,3 % des cas connus, sur 21 549 cas rétrospectifs et 76 271 prospectifs.
    • 704 diagnostics révisés, avec un impact thérapeutique dans 86,1 % des cas.

    Vers un diagnostic in vitro guidé par l’IA

    Cette plateforme pourrait améliorer la stratification moléculaire des tumeurs, guider des thérapies personnalisées et réduire les examens invasifs et délais diagnostiques. L’intégration de l’IA et du séquençage génomique à grande échelle confirme son rôle structurant dans l’évolution du diagnostic oncologique.

     

  • Inde : une plateforme nationale pour fiabiliser l’IA clinique

    Une plateforme nationale intégrée à l’infrastructure numérique

    L’Inde cible les maladies cardiovasculaires et les cancers dans l’évaluation de l’IA clinique :

    Ces limites freinent l’entraînement et la performance des modèles, surtout sur des populations hétérogènes.

    Développée par l’Indian Institute of Technology Kanpur (IIT Kanpur), avec le ministère de la Santé et le bureau régional OMS Asie du Sud-Est, la plateforme BODH :

    • Standardise et sécurise l’évaluation des algorithmes à l’échelle nationale.
      • S’intègre à l’Ayushman Bharat Digital Mission (ABDM), infrastructure nationale de santé numérique visant à numériser et interconnecter les informations médicales de tous les citoyens.
      • Sert de socle pour tester et comparer des algorithmes dans des conditions contrôlées et sécurisées.

    Un bac à sable et benchmark multi-usages

    BODH simule des conditions réelles tout en préservant la confidentialité :

    • Environnement sécurisé de test (« bac à sable »).
      • Benchmark multi-usages : imagerie, triage, décision clinique.
      • Standardisation des métriques : performance, robustesse, biais.

    Une validation multicentrique et fiabilité

    Le dispositif repose sur des données réelles issues de cohortes hétérogènes :

    • Tests sur populations nationales diversifiées.
      • Comparaisons inter-algorithmes.
      • Mesures de sensibilité, biais et transposabilité.

    Ce cadre pré-déploiement répond aux limites des datasets homogènes et renforce la fiabilité clinique des IA dans des conditions réelles, préparant le terrain pour un déploiement à grande échelle sécurisé.

     

  • Biopsie liquide et IA, vers un diagnostic précoce des cancers cérébraux

    Une biopsie liquide enrichie par l’IA

    Selon l’Organisation mondiale de la Santé (OMS), les cancers cérébraux représentent environ 300 000 nouveaux cas annuels, avec plus de 60 % diagnostiqués tardivement, ce qui aggrave leur pronostic. Les approches actuelles reposent sur l’imagerie et des biopsies invasives, peu adaptées au dépistage précoce.

    Les chercheurs du Centre de cancérologie Kimmel de Johns Hopkins ont développé une technologie de diagnostic in vitro capable de détecter des tumeurs cérébrales via un simple prélèvement sanguin, en franchissant indirectement la barrière hémato-encéphalique. Cette approche repose sur :

    • L’analyse de l’ADN tumoral circulant et immunitaire.
    • Des algorithmes d’apprentissage automatique identifiant des signatures génomiques spécifiques.
    • La détection d’altérations immunitaires périphériques associées.

    Une validation clinique multicentrique

    L’évaluation a porté sur :

    • Une cohorte principale de 505 patients (États-Unis, Corée du Sud).
    • Une cohorte de validation de 95 patients polonais.

    Les résultats, publiés dans Cancer Discovery, montrent une sensibilité nettement supérieure aux standards, avec une augmentation significative des cas détectés.

    Les perspectives en diagnostic in vitro

    Cette innovation pourrait transformer la prise en charge grâce à :

    • Un dépistage précoce, non invasif et reproductible.
    • Une meilleure orientation vers l’imagerie cérébrale.
    • Une intégration dans des essais prospectifs à grande échelle.

    À terme, cette stratégie pourrait redéfinir les standards du diagnostic des cancers cérébraux.

  • Le dépistage de la myopie via smartphone validé cliniquement en Chine

    La myopie, enjeu croissant en Asie

    La myopie est un problème de santé publique croissant, particulièrement en Asie où elle touche des proportions élevées chez les jeunes.

    Les méthodes conventionnelles nécessitent équipements coûteux et personnel spécialisé, limitant le dépistage en zones rurales.

    La plateforme smartphone chinoise

    Équipe pluricentrique en Chine (Tianjin Key Lab/Tianjin Medical Univ. Eye Hosp., Shanghai, Hong Kong) a développé un dépistage myopique sur smartphone, compatible télémédecine/mHealth aux caractéristiques suivantes :

    • Exclusivement smartphone : caméra frontale + écran pour paramètres réfractifs.
    • Algorithme embarqué : sphère, cylindre, axe astigmatique sans matériel externe.
    • Accessible/extensible : usage domestique ou dépistage de masse.

    Les performances cliniques

    Étude prospective sur 230 volontaires (460 yeux) vs référence-étalon optométriste, récemment publiée dans Frontiers Bioeng. Biotech montre :

    • Une aire sous la courbe (AUC) de  0,973 (erreurs légères)  et de 0,986 (erreurs sévères).
    • Déviations excellentes par rapport à la référence-étalon : 0,11 D (sphère), 4,72° (axe).

    Les perspectives

    Cette solution mobile atteint une précision quasi-clinique, ouvrant dépistage de masse en zones à ressources limitées face au fardeau croissant des troubles visuels en Asie.

     

  • Un biomarqueur computationnel prédit la réponse à la chimiothérapie dans le TNBC

    Un biomarqueur computationnel basé sur l’expression totale des ARN messagers

    Le cancer du sein demeure la tumeur maligne la plus fréquente chez les femmes :

    Cette forme agressive ne dispose pas de cible thérapeutique spécifique et sa réponse à la chimiothérapie reste très hétérogène. Des chercheurs du University of Texas MD Anderson Cancer Center ont développé TmS (Tumor-specific total messenger RNA Score), un biomarqueur computationnel intégrant l’expression globale des ARN messagers tumoraux et le microenvironnement tumoral.

    Cet algorithme :

    • Analyse le ratio cellules tumorales / cellules non tumorales.
    • Corrige les anomalies chromosomiques des cellules cancéreuses.
    • Etablit une stratification pronostique transcriptomique.

    575 patientes : une stratification pronostique plus précise

    Dans une étude rétrospective multicohorte portant sur 575 patientes atteintes de TNBC, publiée en février 2026 dans Cell Reports Medicine, le score TmS a montré une capacité supérieure de discrimination de la réponse à la chimiothérapie par rapport aux modèles computationnels classiques.

    • Performance pronostique renforcée : les patientes présentant un score TmS élevé montrent une réduction d’environ 40 à 50 % du risque de rechute ou de progression (HR ≈ 0,5–0,6), traduisant une probabilité significativement plus élevée de réponse à la chimiothérapie.
      • Différences biologiques entre populations occidentales et asiatiques, reflétant des variations du microenvironnement tumoral.

    Vers une stratification thérapeutique plus fine

    En combinant transcriptomique tumorale globale et analyse du microenvironnement, ce biomarqueur computationnel pourrait améliorer la prédiction de la réponse aux chimiothérapies et renforcer les stratégies de médecine de précision en diagnostic in vitro dans le TNBC.