Dans un monde où nous demandons à l’intelligence artificielle de résumer des articles et de créer des images, des scientifiques viennent de lui confier un défi bien plus ambitieux : trouver une nouvelle manière de combattre le cancer. Et elle vient de fournir une piste prometteuse.
Google a annoncé le 15 octobre une avancée scientifique majeure : un modèle d’IA de sa famille Gemma a contribué à révéler une nouvelle approche potentielle pour traiter le cancer.
En collaboration avec Yale University, des chercheurs de Google DeepMind et de Google Research ont développé Cell2Sentence-Scale 27B (C2S-Scale), un modèle massif de 27 milliards de paramètres d’IA conçu pour comprendre le « langage » des cellules individuelles.
Selon un billet de blog de Shekoofeh Azizi et Bryan Perozzi, « C2S-Scale a formulé une nouvelle hypothèse sur le comportement cellulaire du cancer, et nous avons depuis confirmé sa prédiction par une validation expérimentale sur des cellules vivantes. » Cette découverte, ont-ils déclaré, « révèle une nouvelle voie prometteuse pour développer des traitements contre le cancer ».
Comprendre le modèle
C2S-Scale fait partie de la famille de modèles open source Gemma de Google et ouvre un nouveau chapitre de la recherche biologique fondée sur l’IA. Le modèle a été conçu pour analyser des données au niveau de la cellule unique, ce qui permet aux scientifiques d’étudier le comportement de cellules individuelles dans des environnements biologiques complexes.
L’un des principaux défis du traitement du cancer tient au fait que de nombreuses tumeurs sont « froides » — autrement dit, elles restent invisibles pour le système immunitaire. Les chercheurs de Google ont demandé au modèle d’IA de trouver un médicament capable de rendre ces tumeurs « chaudes », ou visibles pour les cellules immunitaires, en stimulant la présentation des antigènes, le processus par lequel les cellules affichent des signaux qui alertent le système immunitaire.
En termes plus simples, l’objectif était d’aider le système immunitaire à « voir » les tumeurs cachées, mais uniquement dans les bonnes conditions. Pour cela, l’IA a effectué un criblage virtuel à double contexte sur plus de 4 000 composés médicamenteux. Elle a comparé le comportement de chaque médicament dans deux situations :
- Immune-Context-Positive, lorsque la signalisation immunitaire était présente mais faible
- Immune-Context-Neutral, lorsqu’aucune activité immunitaire n’était détectée
Le modèle a ensuite mis en évidence les médicaments qui n’étaient efficaces que dans la première condition, lorsque l’activité immunitaire était faible mais présente.
Le candidat-médicament surprenant
Le modèle a identifié un composé existant appelé silmitasertib (CX-4945), connu comme inhibiteur de la kinase CK2, comme un candidat prometteur.
L’IA a formulé une prédiction frappante : le silmitasertib pourrait augmenter considérablement la présentation des antigènes, mais uniquement lorsqu’il est utilisé dans un environnement « immune-context-positive », où de faibles niveaux d’interféron (une protéine immunitaire essentielle) étaient déjà présents.
Cette prédiction était particulièrement remarquable, car aucune recherche publiée n’avait auparavant établi de lien entre le silmitasertib et une stimulation de l’expression de MHC-I ou de la présentation des antigènes.
Pour vérifier cette hypothèse, les chercheurs ont testé la prédiction du modèle sur des modèles de cellules neuroendocrines humaines, que l’IA n’avait jamais rencontrés pendant son entraînement. Les résultats correspondaient aux prédictions de l’IA :
- Le silmitasertib seul n’a eu aucun effet mesurable
- De faibles doses d’interféron seules n’ont eu qu’un impact limité
- Mais combinés, les deux ont entraîné une hausse remarquable de 50 % de la présentation des antigènes, rendant effectivement les cellules cancéreuses plus visibles pour le système immunitaire
Autrement dit, cette combinaison a contribué à « illuminer » les cellules cancéreuses, ce qui pourrait permettre au système immunitaire de les repérer et de les attaquer plus facilement.
Ce que cela signifie pour l’avenir de l’IA et de la médecine
Le succès de C2S-Scale montre que les modèles d’IA plus grands peuvent faire davantage qu’améliorer les tâches de recherche existantes ; ils peuvent générer des idées scientifiques entièrement nouvelles.
Comme l’a souligné Google, ce résultat « fournit un modèle pour un nouveau type de découverte biologique », démontrant comment des systèmes d’IA à grande échelle peuvent révéler des interactions biologiques complexes que les méthodes traditionnelles pourraient ne pas détecter.
Google indique que les équipes de Yale mènent désormais des études plus approfondies sur le mécanisme découvert par le modèle et testent d’autres hypothèses générées par l’IA dans différents contextes immunitaires.
Pour accélérer les progrès, Google a mis le modèle C2S-Scale 27B et ses ressources à la disposition de la communauté scientifique. Les chercheurs peuvent accéder au modèle sur Hugging Face et consulter son code sur GitHub, afin de s’appuyer potentiellement sur cette découverte pour trouver d’autres traitements à l’avenir.
Arm et Meta ont annoncé un partenariat stratégique à long terme visant à améliorer l’efficacité de l’IA à tous les niveaux de l’informatique — des logiciels aux infrastructures de centres de données à grande échelle.