De nouveaux médicaments ont récemment été introduits pour traiter la leucémie myéloïde aiguë (LMA), mais leur utilisation optimale reste à définir et leur impact sur la survie à long terme des patients âgés demeure limité. La médecine de précision, soutenue par des algorithmes d’intelligence artificielle (IA) appliqués à des tests basés sur la génomique, offre la promesse d’associer de manière optimale les traitements à chaque patient.

D’importants efforts ont été consacrés au développement d’algorithmes d’IA entraînés sur des profils transcriptomiques ou sur la structure chimique des médicaments. Malheureusement, leur niveau de précision reste insuffisant pour produire un impact clinique réel. L’équipe de recherche propose de déplacer l’attention des algorithmes eux mêmes vers le développement de nouvelles représentations, à la fois pour les profils d’expression et pour les structures chimiques.

Essentiellement, ces algorithmes nécessitent que les « questions » soient formulées sous forme de grands vecteurs numériques. Transformer un catalogue de gènes exprimés — incluant les variations génétiques personnelles et les mutations spécifiques au cancer — en un vecteur numérique implique des simplifications majeures. En introduisant des techniques avancées permettant une représentation plus détaillée de la maladie, l’équipe anticipe une amélioration significative de la précision des algorithmes d’IA. L’équipe prévoit une exploration similaire concernant la manière de présenter aux algorithmes d’IA les structures chimiques des médicaments utilisés contre la LMA.

Le projet proposé vise donc à augmenter la précision de la prédiction de l’efficacité d’un composé chimique pour cibler spécifiquement une LMA donnée, en fonction de son profil d’expression. Un tel algorithme serait extrêmement précieux pour aider à concevoir de nouvelles classes de médicaments destinés aux sous types résistants de LMA, ou pour soutenir la sélection personnalisée de l’agent thérapeutique le plus approprié pour chaque patient.