Intelligence artificielle Ce modèle de machine learning détecte les contaminations microbiennes dans les cultures...

Pour approfondir le sujet

Sur le même thème :

Des chercheurs du MIT ont formé un modèle d’intelligence artificielle qui prédit rapidement comment deux protéines vont s’attacher

Les anticorps, petites protéines produites par le système immunitaire, peuvent se fixer à des parties spécifiques d'un virus pour le neutraliser. Ainsi, pour lutter...

Saagie et le LITIS annoncent la création d’un laboratoire commun dédié à l’IA

Fin février, Saagie et le LITIS ont annoncé la création de L-LiSa, un laboratoire commun dédié à l’intelligence artificielle. Quatorze collaborateurs travaillent dans ce...

PariSanté Campus dévoile les soixante start-ups de sa première promotion

Le Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation, le Ministère des Solidarités et de la Santé, l’Inserm, l’Université PSL (Paris Sciences...

Évènement : Un Symposium sur l’IA est organisé les 12 et 13 juillet à l’occasion des 20 ans du fonds MIT-France

Un Symposium sur l'intelligence artificielle est organisé les 12 et 13 juillet 2022 à Paris en l'honneur du 20e anniversaire du fonds MIT-France. Ce fonds...

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. »

 
Sarah Macé

Partager l'article

META AI dévoile BlenderBot 3, un projet de recherche sur l’IA conversationnelle

Après avoir présenté BlenderBot en 2020, la mouture BlenderBot 2.0 en 2021, META a dévoilé BlenderBot 3 le 5 août dernier. Comme pour ses...

Reconnaissance faciale : la plateforme « From Numbers to Name » aide à identifier les victimes de l’Holocauste

Le deep learning est aujourd'hui utilisé dans de nombreux domaines, il l'est de plus en plus dans celui de l'histoire. Daniel Patt, un ingénieur...

Lancement de l’appel à candidatures de la phase V des pôles de compétitivité

Alors que la phase IV (2019-2022) des pôles de compétitivité prendra fin en décembre 2022, Bruno Le Maire, Ministre de l’Economie, des Finances et...

Focus sur SMART, programme de l’IARPA visant à identifier et surveiller les constructions à grande échelle grâce au machine learning

L'IARPA (Intelligence Advanced Research Projects Activity), la branche de recherche de la communauté du renseignement aux Etats-Unis, a lancé le programme SMART (Space-based Machine...
Recevoir une notification en cas d'actualité importante    OK Non merci