Comment l'intelligence artificielle fait avancer le diagnostic

Le 7 janvier 2026, l'Institut des sciences de la vie computationnelles (ICLS) avait déjà invité à son quatrième Computational Life Sciences Day. Parmi les plus de 125 participants figuraient des représentants des secteurs de la santé, de la pharmacie et de la biotechnologie ainsi que du développement de matériel et de logiciels. Dans son allocution de bienvenue, le directeur de l'institut, Thomas Ott, a souligné les grandes attentes placées dans le diagnostic numérique (plus rapide, plus précis, plus personnel), mais aussi les défis à relever. En effet, pour que les bonnes idées trouvent le chemin de la pratique, de nombreux aspects doivent être pris en compte et les «gaps translationnels» doivent être comblés, par exemple en ce qui concerne les questions d'équité des algorithmes ou l'intégration dans le quotidien clinique existant.

Nouveau cluster de compétences en diagnostic numérique

En guise d'introduction aux «Company Talks», Adisa Trnjanin, en tant que représentante de l'Institut de chimie et de biotechnologie, et Norman Juchler, en tant que représentant de l'Institut de Computational Life Sciences, ont présenté un nouveau cluster de compétences qui relie les deux instituts. La numérisation est aussi et surtout un grand sujet dans le domaine du diagnostic. Avec ses deux instituts, le département dispose de l'expertise en matière de diagnostic biomédical et de numérisation. La combinaison et la collaboration au sein du nouveau Competence Cluster in Digital Diagnostics doit ainsi permettre de travailler encore mieux sur la prochaine génération de diagnostics.

Une représentante et un représentant de l'industrie ont ensuite pris la parole. Nicole H. Romano de Moonlight AI a présenté les travaux de développement pour les tests de biomarqueurs. Contrairement aux méthodes d'analyse visuelle, qui consistent par exemple à examiner des échantillons au microscope, les tests moléculaires prennent encore souvent beaucoup de temps. Il peut donc arriver que les résultats ne soient disponibles qu'après le début du traitement. Des tests de biomarqueurs spécifiques seraient pourtant importants pour une thérapie précise. Moonlight AI développe des méthodes de diagnostic qui permettent de détecter visuellement les biomarqueurs. Cela est par exemple possible lorsque certaines cellules ont un aspect différent en raison d'une maladie. L'exposé de Peter Nestorov de Scailyte portait également sur les cellules individuelles, mais au niveau moléculaire. Il a parlé de maladies qui ne présentent que des symptômes non spécifiques et qui ne sont souvent diagnostiquées qu'après des années. Parmi elles, l'endométriose, une excroissance pathologique de la muqueuse utérine qui n'est pas rare du tout. Peter Nestorov a présenté une méthode qui combine l'analyse de l'ARN dans les cellules du corps avec un modèle d'IA, de sorte que l'endométriose peut être diagnostiquée sur la base de biomarqueurs.

Présentations de l'institut

La deuxième partie du symposium a été consacrée aux présentations des groupes de recherche de l'Institut Computational Life Science. Robert Vorburger a été le premier à s'exprimer pour le Centre for Digital Labs and Production et a montré comment l'IA générative peut être utilisée pour le diagnostic. En effet, le quotidien d'une clinique génère également de nombreuses données non structurées, par exemple des notes ou des rapports en texte libre, et l'IA générative peut très bien traiter ces données. Norman Juchler du Centre for Computational Health a mis en lumière, avec le chercheur invité Vincent L'Allinec, un groupe d'accidents vasculaires cérébraux. Dans ces derniers, des dilatations en forme de sac des artères cérébrales, appelées anévrismes intracrâniens, se rompent. Cela ne concerne que peu d'anévrismes, mais entraîne des hémorragies cérébrales potentiellement mortelles. C'est pourquoi un diagnostic précis est souhaitable, ce qui est possible grâce à des méthodes d'imagerie combinées à des modèles d'IA. Pour le Centre for Bioinformatics, Victor Garcia a présenté des approches d'optimisation des séquences génétiques permettant d'augmenter la production de protéines. Il a cité l'exemple de l'insuline humaine, pour la synthèse de laquelle on utilise des cellules bactériennes. David Graber du Centre for Cognitive Computing a clôturé la journée. Il a abordé le défi que représente le fait que les données réelles ne correspondent souvent pas à la distribution des données utilisée pour l'entraînement du modèle. Ces données, qui sont en dehors de la distribution, doivent pouvoir être détectées pour que le modèle reste fiable.

Les étudiants et les anciens élèves présentent

Après la pause café et un intermède musical de l'orchestre interne de l'ICLS, les étudiants et les alumni ont pris la parole. Les travaux présentés ont montré l'étendue des filières d'études ainsi que les possibilités d'emploi après les études, ne serait-ce que dans le domaine biomédical. Cela allait du travail de data scientist dans un hôpital aux modèles de parenté génétique et aux analyses génomiques, en passant par l'analyse de données EEG ou d'images pour la recherche sur les attaques cérébrales.

La journée s'est terminée par une session organisée par Biotechnet Switzerland, une association de hautes écoles spécialisées, d'universités et d'organisations de recherche et de technologie suisses. Abdullah Kahraman, chef de groupe Data Science in Life Sciences à la FHNW, dirige la plateforme thématique Data Science de Biotechnet. Dans sa présentation, il n'a pas seulement présenté le réseau, mais a également encouragé les participants à y participer et a attiré leur attention sur les manifestations, dont le CLS Day fait partie. Ensuite et pour clore la journée, un représentant et une représentante de l'industrie ont à nouveau pris la parole. Noushin Hadadi de Novigenix a fait un exposé sur l'analyse de l'ARN dans le sang, par exemple pour diagnostiquer le cancer à un stade précoce. Le défi consiste à trouver exactement l'ARN qui est par exemple le biomarqueur d'une tumeur. Pour cela, ils utilisent aussi l'IA. Thomas Wieland de Foundation Medicine a parlé de leur grande collection de données de patients qu'ils utilisent pour permettre des diagnostics précis et donc des thérapies pour les types de cancer les plus divers.

Source : ZHAW