Bernard

  • Antibiorésistance : un test certifié CE mesure la sensibilité bactérienne aux phages avec une efficacité élevée

    Une menace sanitaire mondiale urgente

    Phaxiam Therapeutics a récemment dévoilé, lors du Phagogram Day à Lyon, les avancées liées à son test de diagnostic in vitro marqué CE. Ce test innovant permet d’évaluer la sensibilité des bactéries aux bactériophages (phages), des virus naturels ciblant spécifiquement des souches résistantes comme Staphylococcus aureus, Pseudomonas aeruginosa, Acinetobacter baumannii, et Escherichia coli.

    L’antibiorésistance est responsable de 12 500 décès annuels en France, selon l’Alliance contre les bactéries multirésistantes, et pourrait entraîner jusqu’à 39 millions de décès mondiaux d’ici 2050, d’après The Lancet. En Europe, son impact sanitaire rivalise avec celui des grandes maladies infectieuses combinées (grippe, tuberculose, VIH).

    Les limites des méthodes conventionnelles

    Actuellement, l’évaluation de la sensibilité des bactéries aux antibiotiques repose sur trois approches principales :

    • La diffusion en milieu gélosé (méthode de Kirby-Bauer) : utilisation de disques imprégnés d’antibiotiques sur une gélose pour mesurer des zones d’inhibition.
    • Les microdilutions liquides : test en milieu liquide permettant de déterminer des concentrations inhibitrices minimales.
    • La concentration minimale inhibitrice (CMI) : mesure précise de la concentration minimale d’un antibiotique empêchant la croissance bactérienne.

    Malgré leur efficacité, ces techniques présentent des limites, telles qu’un temps d’analyse long, une sensibilité réduite pour certaines résistances spécifiques, et une variabilité des résultats.

    Résultats prometteurs pour le Phagogramme

    L’analyse rétrospective menée sur 398 souches cliniques a révélé des résultats impressionnants :

    • 98,7 % des souches de S. aureus sensibles à au moins un phage dédié.
    • 71,3 % des souches de P. aeruginosa répondant favorablement.

    Une marché estimé à 3,35 milliards d’euros

    Le test de cette société lionnaise cotée sur le Nasdaq Capital Market aux Etats- et sur le marché réglementé d’Euronext à Paris pourrait non seulement orienter les traitements à base de phages, mais aussi jouer un rôle clé dans la lutte contre la résistance antimicrobienne. Le marché mondial du diagnostic in vitro lié à cette technologie est estimé à 3,35 milliards d’euros en 2024, selon Global Market Insights.

     

  • L’Université de Hong Kong dévoile quatre modèles d’IA pour optimiser le diagnostic de 30 cancers et maladies

    Une infrastructure de supercalcul dédiée à l’IA

    L’université des sciences et technologies de Hong Kong (HKUST) a récemment annoncé le développement de quatre modèles d’intelligence artificielle (IA) conçus pour améliorer le diagnostic de 30 types de cancers et de maladies. Ces avancées s’appuient sur une infrastructure de supercalcul dernière génération, révolutionnant le domaine du diagnostic médical assisté par l’IA.Ces nouveaux modèles bénéficient des capacités d’une infrastructure de supercalculateur intégrée à la technologie NVIDIA, qui offre des performances exceptionnelles :

    • Puissance de calcul : jusqu’à 3 000 petaflops, équivalant à 3 milliards de milliards d’opérations par seconde.
    • Traitement massif de données : gestion de plus de 160 millions d’images médicales.

    Grâce à cette infrastructure, des tâches complexes d’intelligence artificielle, autrefois réalisées en plusieurs jours, peuvent désormais être accomplies en quelques heures. Les chercheurs ont ainsi pu développer quatre modèles innovants, qui accélèrent l’analyse et augmentent la précision diagnostique.

    Les quatre modèles d’IA et leurs performances

    • MOME, outil de diagnostic du cancer du sein conçu pour distinguer les masses maligne des masses bénignes du sein à l’aide d’IRM, atteint une précision diagnostique de 87% dans des tests multicentriques
    • mStar PathologyAssitant Tool, qui utilise un algorithme qui modélise directement les images de lames entières, rationalise les flux de travail des pathologistes en automatisant jusqu’à 40 tâches diagnostiques et pronostiques
    • MedMr ,outil de langage multimodal aide à gérer des rapports médicaux et des diagnostics à partir d’images
    • XAIM, qui fournit des explications visuelles et textuelles des analyses générées par l’IA, a atteint une précision de 98,67% dans l’identification des tumeurs et non tumeurs

    Une couverture étendue des tâches cliniques

    Ces modèles atteignent une précision comparable à celle de spécialistes médicaux expérimentés (plus de cinq ans d’expérience). Ils couvrent un large éventail de tâches cliniques, notamment :

    • Le sous-typage et l’évaluation du stade ou de l’étendue du cancer dans le corps (staging du cancer). Cela permet de déterminer l’évolution de la maladie, sa propagation et son impact sur les organes ou tissus voisins.
    • La détection des métastases.
    • La prédiction moléculaire.
    • L’analyse de survie.

     

  • Cancer du sein : un premier test prédictif basé sur l’IA multimodale

    Un enjeu majeur de santé publique

    Le cancer du sein est le plus fréquent chez les femmes, avec 2,3 millions de nouveaux cas diagnostiqués chaque année, représentant 11,7 % de l’ensemble des nouveaux cancers. Il est responsable de 685 000 décès annuels, faisant de lui la première cause de mortalité par cancer chez les femmes, selon l’Agence internationale de recherche sur le cancer (IARC) affiliée à l’Organisation mondiale de la santé (OMS).

    Dans un tel contexte, la strat-up new-yorkaise spécialisée en médecine de précision, Ataraxis AI, lance le premier test pronostique et prédictif du cancer du sein au monde, basé sur l’IA. Une alternative prometteuse aux tests moléculaires.

    Limites et défis des tests diagnostiques moléculaires :

    Les tests génétiques et de profilage moléculaire, qui évaluent les caractéristiques des tumeurs, présentent plusieurs limitations :

    • précision sous-optimale : sensibilité et spécificité parfois inférieures à 85 % ;
    • cycles de développement longs : plusieurs semaines pour obtenir des résultats ;
    • coûts élevés : entre 300 et 5000 euros.

    Une approche multimodale innovante

    Pour pallier ces limitations, Ataraxis AI a développé une approche multimodale combinant des données cliniques, d’imagerie et moléculaires pour améliorer les performances diagnostiques et prédictives du test. La plateforme repose sur trois types d’algorithmes :

    • réseaux neuronaux convolutifs (CNN) pour l’imagerie ;
    • modèles d’apprentissage profond, ou deep learning (DL), pour les données cliniques ;
    • apprentissage par transfert pour intégrer plusieurs types de données.

    Des performances cliniques supérieures aux tests moléculaires existants :

    Le modèle Kestrel du test Ataraxis Breast a été validé sur un échantillon de 7 600 patientes de 15 institutions en Europe, Amérique du Nord et Asie. Les résultats, récemment prépubliés sur ArXiv, montrent que ce test surpasse les tests moléculaires classiques :

    • sensibilité : 94 % ;
    • spécificité : 92 % ;
    • précision améliorée : +30 %.

    Disponible en France début 2025

    Ce test pourrait remplacer ou compléter les tests actuels, en particulier pour les sous-types de cancers du sein (HER2+, triple négatif), qui réagissent différemment aux thérapies ciblées. Ataraxis AI prévoit de commercialiser ce test, certifié CE en 2024, dès début 2025 en France, en Allemagne et aux États-Unis. La technologie sera également étendue à d’autres types de cancers, tels que ceux de l’ovaire et de la prostate.

     

  • Alibaba Cloud dévoile une IA pour explorer la diversité virale

    Défis de la virologie et de la génomique : diversité et complexité des virus

    La virologie et la génomique font face à des défis majeurs : diversité et évolution rapide des virus, et difficulté à cultiver certains agents en laboratoire. Des millions d’espèces virales restent non identifiées.Les méthodes traditionnelles (tests PCR, culture virale, séquençage de nouvelle génération) sont limitées :

    • Identification restreinte : incapacité à détecter des virus non répertoriés.
    • Mutations rapides : difficulté à suivre les variations génétiques.

    LucaProt : une avancée pour la bioinformatique

    En collaboration avec les universités Sun Yat-Sen (Chine) et Sydney (Australie), Alibaba Cloud a développé LucaProt, un algorithme d’IA surpassant les approches conventionnelles grâce à :

    • L’apprentissage profond, exploitant des réseaux neuronaux sophistiqués.
    • La puissance du Cloud Computing, permettant une analyse rapide de vastes volumes de données.

    LucaProt analyse les métatranscriptomes, soit l’ensemble des séquences d’ARN d’un échantillon, ouvrant de nouvelles perspectives en transcriptomique environnementale et médicale.

    Une étude majeure publiée dans Cell

    LucaProt a traité 10 487 métatranscriptomes issus de divers écosystèmes, révélant une précision inédite :

    • Taux de faux positifs : 0,014 %.
    • Taux de faux négatifs : 1,72 %.Ces performances ont permis d’identifier :
    • Plus de 160 000 espèces potentielles de virus à ARN.
    • 180 supergroupes viraux, enrichissant notre compréhension de la diversité virale.

    Vers une meilleure compréhension de la diversité virale

    Cette découverte représente une avancée majeure pour l’étude des virus émergents et inconnus :

    • Biologie : identification des interactions complexes entre virus, hôtes et écosystèmes.
    • Clinique : détection rapide des agents pathogènes pour des traitements et vaccins ciblés.
    • Santé publique : amélioration de la surveillance épidémiologique et des stratégies de prévention des risques pandémiques.

     

  • Un nouvel outil de pathologie numérique piloté par l’IA pour diagnostiquer du cancer du poumon

    Deuxième cause de décès par cancer dans le monde

    Le sud-coréen Lunit spécialiste des solutions d’intelligence artificielle (IA) s’associe à AstraZeneca pour concevoir un outil de pathologie numérique destiné à détecter les mutations génétiques associées au cancer du poumon non à petites cellules (CPNPC), représentant environ 85 % des cas. Selon l’Agence internationale de recherche sur le cancer, le cancer du poumon est la deuxième cause de mortalité par cancer. La survie à cinq ans des patients atteints de CPNPC varie entre 2 % et 20 %, selon le stade au diagnostic. Les technologies classiques de prédiction des mutations, comme la biopsie tissulaire et le séquençage génétique, sont longues, exigeantes en ressources et souvent inaccessibles dans les environnements à faibles ressources.

    Des réseaux de neurones profonds pour analyser des images de lames

    Lunit et AstraZeneca exploitent des algorithmes d’apprentissage profond pour analyser des images de tissus colorés à l’hématoxyline et à l’éosine (H&E) afin de prédire des mutations génétiques importantes, notamment celles affectant le récepteur du facteur de croissance épidermique (EGFR), fréquemment associées au CPNPC.

    Un diagnostic accéléré, des résultats en quelques heures contre plusieurs jours

    Ce nouvel outil de pathologie numérique non invasif permet de fournir des résultats bien avant les tests moléculaires traditionnels, qui prennent souvent plusieurs jours en raison de la complexité des échantillons. Le Lunit Scope Genotype Predictor offre une analyse préliminaire à partir des images H&E en quelques heures, rendant les résultats disponibles plus tôt que les tests moléculaires complets.

    Lunit et AstraZeneca : vers des tests génomiques plus rapides et accessibles

    Cette réduction des délais transforme les flux de travail diagnostiques, les rendant plus rapides et économiques pour les laboratoires et les établissements de santé. Lunit et AstraZeneca valident désormais cet outil dans des environnements cliniques réels, en élargissant ses capacités à la prédiction d’autres biomarqueurs. L’objectif est de rendre les tests génomiques plus rapides et accessibles, réduisant ainsi les délais dans le choix des traitements, souvent retardés par des analyses trop longues.

     

  • Roche lance en Europe un test compagnon pour la thérapie ciblée du cancer de l’ovaire

    Cancer de l’ovaire, huitième cause de décès par cancer chez les femmes dans le monde

    Roche Diagnostics obtient le marquage CE pour son test diagnostique compagnon d’immunohistochimie, identifiant les patientes atteintes d’un cancer épithélial de l’ovaire susceptibles d’être éligibles à la thérapie ciblée Elahere, développée par AbbVie, qui conjugue l’anticorps mirvetuximab et le médicament soravtansine. Ce marquage CE fait suite à une autorisation préalable en Autriche et en Allemagne. Désormais, ce test est largement disponible en Europe.

    Selon le Centre international de recherche sur le cancer (CIRC), le cancer de l’ovaire affecte chaque année 66 000 femmes en Europe, entraînant environ 44 000 décès. À l’échelle mondiale, il représente la huitième cause de décès par cancer chez les femmes. Les outils diagnostiques conventionnels, tels que le dosage de l’antigène cancéreux 125 (CA-125) et les tests génétiques pour détecter les mutations des gènes BRCA1/BRCA2, présentent des limites importantes :

    • Une faible sensibilité pour le dépistage précoce.
    • Des délais fréquents dans l’établissement du diagnostic.

    Microscopie optique et immunohistochimie : des avancées pour un diagnostic précis

    Dans ce contexte, Roche Diagnostics a développé un test d’immunohistochimie innovant, ciblant la protéine récepteur alpha du folate (FOLR1), surexprimée dans 90 % des tumeurs ovariennes. Le test, dénommé Ventana FOLR1 RxDx, repose sur les éléments suivants :

    • Utilisation du clone FOLR1-2.1, un anticorps monoclonal d’origine murine spécifiquement dirigé contre la protéine FOLR1. Conçu pour analyser l’expression du récepteur FOLR1 dans des échantillons tumoraux fixés au formol et inclus en paraffine.
    • Une analyse précise des échantillons, facilitée par la microscopie optique.
    • Ce test permet de stratifier les patientes et de les orienter vers une thérapie ciblée avec Elahere d’AbbVie.

    Une amélioration des taux de survie et des chances de traitements

    L’obtention du marquage CE repose sur les données des études cliniques internationales Mirasol, qui a inclus 442 patientes avec un cancer de l’ovaire résistant au platine, réparties dans de nombreux pays, dont les États-Unis, le Canada, la France, l’Espagne, l’Italie et d’autres pays européens. Cette étude a démontré :

    • Une augmentation significative des chances d’identification des patientes éligibles à des thérapies ciblées.
    • Une amélioration significative de la survie sans progression (PFS) de 35 %.
    • Une réduction de 33 % du risque de décès chez les patientes traitées avec Elahere par rapport à celles recevant une chimiothérapie conventionnelle.

     

  • Dossiers médicaux électroniques en Asie du sud-est : où en est l’adoption ?

    Une revue comparative sur 15 ans

    Les chercheurs des universités de Malaisie Sabah (UMS) et Utara Malaisie (UUM) ont mené une étude approfondie sur les défis liés à l’adoption des dossiers médicaux électroniques (DME). Ces systèmes, comparés aux dossiers papier, offrent une meilleure précision des données, réduisent les erreurs médicales, et permettent une traçabilité accrue des maladies infectieuses, ainsi qu’une surveillance épidémiologique en temps réel. L’étude, en pre print sur les plateformes Sciety Labs et Authorea​, analyse 15 ans de données (2008-2023) issues de 20 études qualitatives menées dans quatre pays : Malaisie, Indonésie, Vietnam et Thaïlande. Bien que les initiatives numériques progressent, les dossiers papier restent majoritaires, avec des disparités selon les pays :

    • Thaïlande : 70 % des hôpitaux urbains utilisent des DME parmi les 1 000 hôpitaux publics, 9 700 cliniques.
    • Malaisie : 60 % des hôpitaux urbains ont adopté les DME parmi les 3 000 établissements publics et privés, dont 145 hôpitaux publics. Cependant, les infrastructures restent limitées en zones rurales.
    • Indonésie : Seuls 20 % des centres de santé (10 000 centres primaires, 2 900 hôpitaux) utilisent des DME.
    • Vietnam : Seulement 5 à 10 % des établissements (1 531 hôpitaux, 11 000 centres communautaires) disposent de DME.

    4 obstacles à l’adoption

    Malgré des efforts croissants, quatre obstacles freinent l’intégration des DME :

    • Infrastructures limitées : Connexions Internet insuffisantes, manque d’ordinateurs et coupures électriques fréquentes.
    • Coûts élevés : Jusqu’à 500 000 dollars par hôpital pour des systèmes de base.
    • Sécurité des données : Faible protection de la vie privée et des informations sensibles.
    • Manque de formation : Personnel technique insuffisant et absence de programmes d’apprentissage adaptés.

    3 leviers à activer

    Les chercheurs proposent plusieurs solutions :

    • Centralisation des plateformes de DME à l’échelle nationale pour garantir l’efficacité et l’interopérabilité des systèmes.
    • Renforcement des cadres réglementaires pour sécuriser les données et protéger la vie privée des patients.
    • Audits réguliers pour contrôler la qualité des données collectées.

     

  • Un nouvel outil d’IA prédictif multidimensionnel pour prévenir les récidives de thrombose

    Un outil d’IA face à la récidive de MVTE

    Un groupe de chercheurs hospitaliers développe un outil d’intelligence artificielle (IA) inédit pour prévenir les récidives de Maladie Veineuse Thrombo-Embolique (MVTE) sans cause identifiable. Une avancée majeure dans la lutte contre la troisième cause de mortalité cardiovasculaire en Europe. Les récidives, qui touchent 40 % des patients après l’arrêt des anticoagulants, entraînent une mortalité dans 10 % des cas et des séquelles chroniques graves (hypertension artérielle, troubles respiratoires, douleurs persistantes) chez 30 % des patients.

    Limites des approches actuelles

    Les outils conventionnels — scores cliniques, marqueurs biologiques (troponines, protéine C réactive) et imageries (échographie, angiographie, scanner) — montrent des limites majeures :

    • Précision insuffisante pour prédire les risques individuels.
    • Dépendance à des facteurs statistiques.
    • Absence de prise en compte des données génétiques et morphologiques complexes.
    • Négligence des facteurs psychosociaux affectant l’adhésion au traitement.

    Morpheus : un projet collaboratif français soutenu par l’Union européenne

    Financé par le programme Horizon-Health 2022 de l’Union européenne, Morpheus est piloté par le CHU de Brest en collaboration avec des partenaires tels que l’Inserm, le réseau Innovte (Investigation Network On Venous Thrombo-Embolism) et les universités de Bordeaux et Bretagne Occidentale. Ce projet rassemble des experts de huit pays européens (France, Pays-Bas, Allemagne, Espagne, la Suisse, la Pologne, la Suède et le Danemark). Son originalité repose sur :

    • Intégration multi-niveaux : analyse combinée de données cliniques, biologiques, morphologiques et socio-anthropologiques.
    • Base de données unique : fusion de 14 cohortes européennes comprenant 20 000 dossiers cliniques, 10 000 données biologiques et 400 imageries avancées.
    • IA et machine learning : identification de modèles complexes pour des recommandations personnalisées.
    • Décision partagée : outil interactif intégrant prédictions cliniques et préférences des patients.

    L’essai clinique de validation débute le 1er décembre 2024

    Le 1er décembre 2024, un essai clinique sera lancé sur 2 400 patients dans 40 centres européens. Ce nouvel outil IA prédictif multidimensionnel vise à optimiser les traitements anticoagulants, éviter les interventions inutiles et réduire les récidives et complications. Une avancée majeure pour personnaliser la prise en charge de la MVTE.

     

  • Asie : déploiement d’un système avancé d’IA pour l’endoscopie digestive

    Des limites persistantes dans l’efficacité de l’endoscopie

    Chaque année, environ 75 millions d’endoscopies gastro-intestinales, comprenant principalement les gastroscopies et les coloscopies, sont réalisées dans le monde. Ce chiffre est en constante augmentation, en raison de l’augmentation des pathologies intestinales, notamment : les cancers gastro-intestinaux, le reflux gastro-œsophagien (RGO) et les maladies inflammatoires chroniques de l’intestin (MICI).

    Malgré son rôle essentiel dans le diagnostic de ces affections, l’endoscopie présente encore des limites majeures en 2024 qui compromettent son efficacité, en particulier pour la détection précoce des cancers gastro-intestinaux :

    • une sensibilité et spécificité insuffisantes, notamment pour les stades précoces des cancers, où un diagnostic rapide est crucial ;
    • une précision limitée des biopsies compromettant ainsi la fiabilité du diagnostic ;
    • ainsi qu’une dépendance à l’expérience des praticiens dans l’interprétation des images et la gestion des données.

    Une avancée technologique pour révolutionner la pratique

    Pour répondre à ces défis, Ainex a mis au point des algorithmes d’intelligence artificielle et d’apprentissage automatique spécifiquement conçus pour l’endoscopie gastro-intestinale. Ces technologies permettent une analyse en temps réel des images produites pendant les procédures endoscopiques, offrant ainsi aux médecins un accès instantané aux informations nécessaires pour affiner leurs diagnostics. Le système ENAD (endoscopy as AI-powered device), développé par Ainex, présente plusieurs avantages majeurs :

    • une vitesse de traitement accélérée :avec l’analyse des images multipliée par 10 à 20 fois par rapport à l’analyse manuelle ;
    • une réduction des faux positifs à moins de 5 %, ce qui permet de diminuer significativement le nombre de biopsies inutiles et les risques associés ;
    • et une précision améliorée dans la détection des lésions . Cette précision atteint 90 % à 95 % pour la détection des polypes et des lésions précancéreuses lors des coloscopies, avec une amélioration de 3 à 5 % par rapport à l’interprétation humaine seule.

    Un déploiement international en Corée du Sud et à Singapour :

    Le système IA d’Ainex est utilisé dans plus de 30 hôpitaux en Corée du Sud. Après des essais cliniques menés à l’Hôpital national universitaire de Singapour pour valider son efficacité et sa précision, Ainex s’apprête à lancer son système sur le marché singapourien.

     

  • Cancer du poumon : une plateforme multiomique avec IA améliore le profilage des patients

    Les composants de la plateforme Renovarocube

    Lors du dernier congrès de la Société européenne d’oncologie médicale (ESMO), Renovarocube, filiale du groupe américain Renovaro, a présenté ses avancées récentes concernant sa technologie multi-omique, intégrée à l’IA, pour le profilage du cancer du poumon.

    Cette entreprise néerlandaise, spécialisée dans les sciences des données moléculaires, développe une plateforme d’IA dédiée à la détection précise des cancers et de leurs récurrences, ainsi qu’au suivi des thérapies ciblées, basé sur l’analyse génomique.

    La plateforme combine trois éléments majeurs :

    • une IA avancée pour l’analyse de données multi-omiques complexes ;
    • la technologie de séquençage de nouvelle génération Oxford Nanopore, permettant de capturer sans les fragmenter les copies d’ADN libre circulant dans le plasma sanguin ;
    • la multi-omique, intégrant des données provenant de plusieurs disciplines biologiques telles que la génomique, la protéomique et la transcriptomique.

    Des performances prometteuses

    La première étude, présentée à l’ESMO, a démontré que le modèle d’apprentissage profond de RenovaroCube est capable d’identifier les schémas d’altération de l’ADN avec une précision et une sensibilité supérieures à 90 %, en utilisant seulement 10 nanogrammes d’ADN circulant. Cela représente une réduction de 50 % de la quantité d’ADN nécessaire par rapport aux technologies de séquençage conventionnelles.

    La seconde étude a révélé que cette plateforme multi-omique, intégrant une IA, corrèle avec une grande précision les schémas de méthylation de l’ADN à l’évolution de la tumeur. Cela renforce sa capacité à fournir un suivi précis de la progression des cancers et des réponses aux traitements.

    Un outil prometteur pour la détection et le suivi du cancer :

    Ces résultats montrent que cet outil innovant permet une détection efficace, réduisant ainsi le recours aux biopsies invasives tout en améliorant la précision du suivi des patients. Ils constituent des avancées clés vers la mise sur le marché de cette plateforme.