Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Tendances produits
{{{sourceTextContent.title}}}
Un robot alimenté par l'IA accélère la recherche médicale
{{{sourceTextContent.subTitle}}}
Des chercheurs du RIKEN Center for Biosystems Dynamics Research, au Japon, ont mis au point un système robotique alimenté par l'IA, capable de réaliser des expériences de laboratoire en médecine régénérative, de tirer des enseignements des résultats et d'effectuer des séries d'expériences itératives pour atteindre un objectif donné.
{{{sourceTextContent.description}}}
Dans le cadre d'une démonstration de principe, les chercheurs ont confié au robot la tâche d'optimiser les conditions de culture cellulaire afin de créer un nombre maximal de cellules de l'épithélium pigmentaire rétinien (EPR). En six mois d'expérimentation, le robot a fait passer de 50 % à environ 90 % le pourcentage de cellules souches d'une culture qui se sont différenciées en cellules de l'épithélium pigmentaire rétinien. Les chercheurs estiment qu'il aurait fallu environ deux ans et demi à des humains pour parvenir au même résultat. Cette technologie pourrait indiquer la direction que la recherche médicale en laboratoire est susceptible de prendre dans les années à venir, où les robots complètent les travaux expérimentaux ardus.
La recherche médicale représente un défi considérable et peut être incroyablement fastidieuse. Les systèmes biologiques, tels que les cultures de cellules, sont souvent imprévisibles et sensibles à d'infimes changements dans leur environnement. Un seul petit écart peut modifier complètement le résultat d'une expérience, ce qui entraîne souvent la frustration et la confusion du personnel de laboratoire.
Prenons l'exemple de la médecine régénérative, dans laquelle les chercheurs tentent de faire en sorte que les cultures de cellules souches se différencient en types de cellules spécifiques qui peuvent ensuite être utilisés pour remplacer les tissus malades de l'organisme. Déterminer les conditions de culture optimales pour obtenir une différenciation efficace est un champ de mines de différentes variables qui peuvent toutes affecter le résultat final.
Pour remédier à ces frustrations et accélérer le processus, certains chercheurs se tournent vers la puissance de la robotique et de l'IA. Cette dernière technologie est un robot humanoïde alimenté par l'IA, appelé Maholo, qui peut mener ses propres expériences de culture cellulaire et tirer des enseignements des résultats. "Nous avons choisi de différencier les cellules de l'EPR à partir de cellules souches comme modèle, mais en principe, la combinaison d'un robot de précision avec les algorithmes d'optimisation permettra des expériences autonomes par essais et erreurs dans de nombreux domaines des sciences de la vie", a déclaré Genki Kanda, l'un des développeurs du nouveau robot.
L'objectif principal des expériences était d'augmenter le pourcentage de cellules souches qui se différencient en cellules de l'EPR. Les chercheurs ont introduit dans le système leurs protocoles actuels de meilleures pratiques, qui ont abouti à une efficacité de différenciation de 50 %. Les algorithmes d'IA ont cherché à optimiser ce résultat et ont ajusté différents paramètres au cours de plusieurs séries d'expériences. En un peu plus de six mois, le robot a amélioré l'efficacité de la différenciation à 90 %. Les chercheurs estiment que cela leur aurait pris deux ans et demi sans le robot.
"L'utilisation de robots et de l'IA pour réaliser des expériences sera d'un grand intérêt pour le public", a déclaré Kanda. "Cependant, c'est une erreur de les considérer comme des remplaçants. Notre vision est que les gens fassent ce pour quoi ils sont bons, c'est-à-dire être créatifs. Nous pouvons utiliser les robots et l'IA pour les parties d'essais et d'erreurs des expériences qui exigent une précision reproductible et prennent beaucoup de temps, mais ne nécessitent pas de réflexion."
Étude publiée dans la revue eLife : Recherche robotique d'une culture cellulaire optimale en médecine régénérative