Chaque ann\u00e9e, le cancer cause pr\u00e8s de dix millions de d\u00e9c\u00e8s dans le monde et reste la premi\u00e8re cause de mortalit\u00e9 au Japon. Pourtant, lorsqu\u2019il est d\u00e9pist\u00e9 \u00e0 un stade pr\u00e9coce, les chances de survie \u00e0 long terme augmentent consid\u00e9rablement. Aujourd\u2019hui, les programmes de d\u00e9pistage ne couvrent que quelques types de cancer comme ceux du sein, du c\u00f4lon ou du poumon. Cela laisse plus de la moiti\u00e9 des cas sans solution de d\u00e9tection pr\u00e9coce, entra\u00eenant des diagnostics tardifs et des pronostics souvent sombres.<\/p>\n
Une nouvelle approche se d\u00e9veloppe pour changer cette situation : l\u2019analyse du sang \u00e0 la recherche de traces infimes laiss\u00e9es par les tumeurs. Ces tests, appel\u00e9s d\u00e9pistages multi-cancers, cherchent dans le sang des marqueurs sp\u00e9cifiques comme des fragments d\u2019ADN tumoral ou des prot\u00e9ines anormales. Jusqu\u2019\u00e0 pr\u00e9sent, leur efficacit\u00e9 reste limit\u00e9e, surtout pour les cancers \u00e0 un stade tr\u00e8s pr\u00e9coce ou pour surveiller une \u00e9ventuelle r\u00e9cidive apr\u00e8s un traitement.<\/p>\n
Une \u00e9quipe de chercheurs japonais a lanc\u00e9 une \u00e9tude ambitieuse pour am\u00e9liorer ces tests. Leur id\u00e9e est d\u2019utiliser plusieurs types d\u2019analyses biologiques en m\u00eame temps. Ils \u00e9tudient ainsi l\u2019ADN, les prot\u00e9ines, le m\u00e9tabolisme et m\u00eame le microbiote pr\u00e9sent dans le sang, la salive ou les selles. Toutes ces donn\u00e9es sont ensuite combin\u00e9es gr\u00e2ce \u00e0 l\u2019intelligence artificielle. Ce proc\u00e9d\u00e9 permet de cr\u00e9er des outils plus sensibles pour rep\u00e9rer un cancer naissant ou une rechute apr\u00e8s un traitement.<\/p>\n
L\u2019\u00e9tude s\u2019appuie sur deux grandes bases de donn\u00e9es japonaises. La premi\u00e8re regroupe des patients atteints de diff\u00e9rents cancers, tandis que la seconde concerne des personnes en bonne sant\u00e9. En comparant les r\u00e9sultats, les scientifiques esp\u00e8rent identifier des signaux faibles mais r\u00e9v\u00e9lateurs de la pr\u00e9sence d\u2019un cancer. L\u2019intelligence artificielle aide \u00e0 distinguer ces signaux et \u00e0 d\u00e9terminer quel organe est touch\u00e9, ce qui permet d\u2019orienter rapidement vers les examens adapt\u00e9s.<\/p>\n
L\u2019avantage de cette m\u00e9thode est sa simplicit\u00e9 : un simple pr\u00e9l\u00e8vement sanguin suffit. Elle pourrait aussi d\u00e9tecter des cancers pour lesquels il n\u2019existe pas encore de d\u00e9pistage syst\u00e9matique, comme ceux du pancr\u00e9as ou certains cancers du sang. En rep\u00e9rant la maladie plus t\u00f4t, les traitements pourraient \u00eatre moins lourds et plus efficaces.<\/p>\n
Pour garantir la fiabilit\u00e9 des r\u00e9sultats, toutes les analyses suivent des protocoles stricts et standardis\u00e9s. Les \u00e9chantillons sont trait\u00e9s de la m\u00eame mani\u00e8re, ce qui \u00e9vite les erreurs li\u00e9es aux diff\u00e9rences de manipulation. Les premiers tests montrent que cette approche multi-analyses pourrait offrir une pr\u00e9cision bien sup\u00e9rieure aux m\u00e9thodes actuelles.<\/p>\n
\u00c0 terme, cette avanc\u00e9e pourrait transformer la prise en charge du cancer. Un d\u00e9pistage plus large et plus pr\u00e9coce permettrait non seulement de sauver des vies, mais aussi de r\u00e9duire les co\u00fbts li\u00e9s aux traitements lourds des stades avanc\u00e9s. L\u2019enjeu est maintenant de valider ces outils en conditions r\u00e9elles et de les rendre accessibles \u00e0 tous.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1007\/s10147-026-03001-6<\/a><\/p>\n Titre\u00a0:<\/strong> Clinical development of molecular residual disease (MRD) and multi-cancer early detection (MCED) using liquid biopsy multiomics with artificial intelligence (AI)<\/p>\n Revue : <\/strong> International Journal of Clinical Oncology<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Taro Shibuki; Riu Yamashita; Tadayoshi Hashimoto; Takao Fujisawa; Mitsuho Imai; Junichiro Yuda; Takeshi Kuwata; Toshihiro Misumi; Yoshiaki Nakamura; Hideaki Bando; Kaname Kojima; Sayuri Tokioka; Ippei Chiba; Naoki Nakaya; Atsushi Hozawa; Seizo Koshiba; Nobuo Fuse; Sakae Saito; Ritsuko Shimizu; Woong-Yang Park; Kengo Kinoshita; Takayuki Yoshino<\/p>\n","protected":false},"excerpt":{"rendered":" Peut-on d\u00e9tecter plus t\u00f4t et plus pr\u00e9cis\u00e9ment le cancer gr\u00e2ce \u00e0 l\u2019intelligence artificielle et aux analyses sanguines ? Chaque ann\u00e9e, le cancer cause pr\u00e8s de dix millions de d\u00e9c\u00e8s dans le monde et reste la premi\u00e8re cause de mortalit\u00e9 au Japon. Pourtant, lorsqu\u2019il est d\u00e9pist\u00e9 \u00e0 un stade pr\u00e9coce, les chances de survie \u00e0 long… Poursuivre la lecture Peut-on d\u00e9tecter plus t\u00f4t et plus pr\u00e9cis\u00e9ment le cancer gr\u00e2ce \u00e0 l\u2019intelligence artificielle et aux analyses sanguines ?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4,2,3],"tags":[],"class_list":["post-15","post","type-post","status-publish","format-standard","hentry","category-desinformation","category-sante","category-science-technologie","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/15","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/comments?post=15"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/15\/revisions"}],"predecessor-version":[{"id":16,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/posts\/15\/revisions\/16"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/media?parent=15"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/categories?post=15"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/fr\/wp-json\/wp\/v2\/tags?post=15"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}