GlioTrace : l'IA traque les cellules de cancer du cerveau dans les tissus vivants
Des chercheurs de l'université d'Uppsala ont mis au point une méthode de vision par ordinateur pour cartographier la manière dont les cellules de glioblastome changent de mode de migration dans des tranches de cerveau vivantes
Un système d'imagerie computationnelle baptisé GlioTrace peut suivre pendant plusieurs jours des milliers de cellules de glioblastome en migration dans des tranches de cerveau vivantes. Développée par des scientifiques de l'université d'Uppsala, la méthode associe microscopie automatisée et intelligence artificielle pour révéler comment des cellules tumorales cérébrales individuelles modifient leur forme et changent de trajectoire de migration.
La microscopie automatisée capture les trajectoires cellulaires sur cinq jours
Le glioblastome reste l'une des formes les plus agressives de cancer du cerveau, notamment parce que les cellules tumorales envahissent le tissu sain environnant au-delà des limites de la résection chirurgicale. Dans une innovation destinée à étudier cette dissémination, des chercheurs de l'université d'Uppsala ont utilisé des cellules tumorales prélevées sur six patients et les ont fait croître dans des cerveaux de souris. Ils ont découpé ces cerveaux en fines tranches et les ont maintenues en culture de laboratoire, selon des résultats publiés dans Nature Communications et rapportés par MedicalXpress.
Un microscope automatisé a photographié les tranches de tissu vivant à intervalles d'au plus deux heures pendant jusqu'à cinq jours. Dopé à l'intelligence artificielle, GlioTrace a suivi les cellules individuelles sur des tranches entières plutôt que sur de petites fenêtres d'échantillonnage, en enregistrant les coordonnées de chaque cellule migrante du début à la fin.
« Ce qui nous a le plus surpris, c'est la flexibilité des cellules tumorales. Une même cellule peut changer sa façon de se déplacer en quelques jours seulement. Pour développer des traitements capables d'empêcher les cellules tumorales de se propager, nous devons comprendre cette capacité à basculer entre différents comportements. »
— Madeleine Skeppås, université d'Uppsala
L'apprentissage automatique identifie les bascules entre états de migration
Le cœur computationnel de l'invention a été conçu par la co-autrice principale de l'étude, Madeleine Skeppås, avec des chercheurs de Chalmers University of Technology et de l'université de Göteborg. Leur chaîne de traitement d'apprentissage automatique identifie les cellules individuelles, enregistre leurs formes et suit les transitions d'état au fil du temps, comme le détaille MedicalXpress.
L'imagerie a révélé que les schémas d'invasion du glioblastome diffèrent d'une tumeur à l'autre. Certaines cellules de patients se déplaçaient le long des vaisseaux sanguins, tandis que d'autres migraient de façon diffuse dans le parenchyme cérébral. Les cellules individuelles se sont également révélées capables de passer, en quelques jours, de la migration autonome à la progression le long des vaisseaux. Des modèles statistiques ont montré que cette bascule comportementale aide les cellules à se frayer un chemin dans des environnements tissulaires denses.
Les tests thérapeutiques révèlent des états cellulaires rapides persistants
L'équipe de recherche a testé l'influence de composés pharmaceutiques et de traitements standards sur les trajectoires cellulaires. Dans les expériences rapportées par MedicalXpress, deux substances médicamenteuses ont ralenti l'invasion des cellules tumorales dans les tranches de tissu cérébral. La réponse exacte variait toutefois selon les échantillons de patients et les types de cellules migrantes concernés.
Exposés à une radiothérapie combinée à une chimiothérapie, certains modèles tumoraux présentaient une proportion accrue de cellules rapides dotées d'une forme distincte. Ces cellules occupaient des nœuds centraux dans les réseaux de transition d'état, ce qui suggère qu'elles pourraient persister pendant le traitement conventionnel. L'auteur principal Hitesh Mangukiya et le professeur Sven Nelander ont précisé que le code d'analyse est ouvert à d'autres laboratoires, mais que des tests supplémentaires sont nécessaires avant tout dépôt de brevet ou toute utilisation du logiciel pour orienter des décisions cliniques.
À lire aussi sur The Patent : Le GAO avertit que les objectifs de résorption du retard de l'USPTO risquent d'échouer face à la pression sur les effectifs
Traduit automatiquement de l’original en anglais. Lire l’original
