Distinguer les cellules cancéreuses avec l'intelligence artificielle 🩺

Recherche

L'équipe ELIA associée à une équipe du laboratoire Restore a classé des centaines de cellules grâce à des mesures biomécaniques et à l'apprentissage automatique. Les résultats ont été publiés dans ACS Applied Materials and Interfaces.

Etienne Dague_publication article ACS Applied Materials and Interfaces

Étienne Dague et l'équipe ELIA du LAAS-CNRS en partenariat avec le pôle mécanobiologie du laboratoire Restore (CNRS/Établissement français du sang/Inserm/Université Toulouse Paul Sabatier) ont conçu un dispositif automatisé de mesures biomécaniques par AFM (réalisées avec un microscope à force atomique). Ces dernières peuvent distinguer des cellules cancéreuses des cellules normales et dont les résultats pourraient servir au diagnostic, à condition que la technologie AFM puisse fonctionner à haut débit.

Les mesures biomécaniques sont alors réalisées sur une puce microstructurée, de manière automatique, grâce à un logiciel de contrôle qui déplace l'AFM d'une cellule à l'autre.

Afin de standardiser les mesures, des paramètres tels que la répartition des cellules sur la puce, la géométrie de la sonde de l'AFM et la vitesse de déplacement ont été optimisés et fixés. Avec ce dispositif, l'équipe ELIA a pu mesurer près d'un millier de cellules en deux heures, alors qu'avec un AFM standard une journée entière est nécessaire pour mesurer seulement quelques dizaines de cellules.

Lire l'intégralité de l'article sur le site de CNRS Ingénierie.

elia / Etienne Dague

publié le 20.12.24 - édité le 13.02.25