Ce modèle de machine learning détecte les contaminations microbiennes dans les cultures cellulaires

Les chercheurs de l’Alliance Singapour-MIT pour la Recherche et la Technologie (SMART) à Singapour, ont développé un modèle de détection d’anomalies qui utilise le machine learning afin de repérer, en quelques minutes, la présence d’une éventuelle contamination microbienne.

L’entreprise de recherche du MIT à Singapour a développé une nouvelle méthode de détection de la contamination microbienne dans les cultures de cellules stromales mésenchymateuses (cellules souches). Elle permet de tester rapidement et avec précision les produits de thérapie cellulaire, destinés à être utilisés chez les patients. Cette méthode constitue une alternative rapide aux tests de stérilité classiques et aux autres méthodes de détection des bactéries microbiologiques, qui prennent souvent plusieurs jours et sont presque toujours réalisés sur des produits finis.

Dans le cadre des biothérapies, la thérapie cellulaire a pour objectif de soigner un organe ou un organisme par l’apport de cellules, obtenues la plupart du temps à partir de cellules souches, qui viendront remplacer ou seconder des cellules défaillantes. Ces dernières années, la thérapie cellulaire est devenue une solution indispensable pour traiter toute une série de maladies, de blessures et de pathologies. En outre, elle s’avère de plus en plus prometteuse pour traiter efficacement certains cancers, maladies auto-immunes, lésions de la moelle épinière et troubles neurologiques. C’est la raison pour laquelle les chercheurs singapouriens du groupe de recherche interdisciplinaire (IRG) de l’analyse critique pour la fabrication de médecine personnalisée (CAMP) de l’Alliance Singapour-MIT pour la recherche et la technologie (SMART) continuent d’affiner les méthodes et les processus de fabrication des cultures cellulaires afin de garantir la sécurité, l’efficacité et la stérilité de ces produits. En utilisant le ML pour prédire si une culture est propre ou contaminée, les chercheurs économisent du temps et des ressources, puisque les cultures contaminées peuvent être éliminées rapidement et immédiatement reconstituées comme l’explique Yie Hou Lee, directeur scientifique de SMART CAMP :

« Notre adoption renforcée de l’apprentissage automatique dans la détection des anomalies microbiennes nous a permis de mettre au point un test unique qui effectue rapidement un contrôle de la contamination, marquant ainsi un énorme pas en avant dans la simplification du processus de fabrication des thérapies cellulaires. En plus de garantir la sécurité et la stérilité des produits cellulaires avant leur injection chez les patients, cette méthode offre également une rentabilité et une efficacité des ressources pour les fabricants, car elle permet d’arrêter et de redémarrer les lots de manière décisive en cas de contamination de la culture. »


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
XLRISK® par Addinsoft

Logiciel de simulation monte carlo qui rend l'analyse quantitative des risques intuitive. xlrisk® est un complément excel® qui permet d'inclure de l'i...

 
Partager l'article
Abonnez-vous à ActuIA, la revue professionnelle de l'intelligence artificielle magazine intelligence artificielle Découvrez la revue professionnelle de l'intelligence artificielle
intelligence artificielle
À PROPOS DE NOUS
Le portail francophone consacré à l'intelligence artificielle et à la datascience, à destination des chercheurs, étudiants, professionnels et passionnés.