Microsoft Research dévoile Quine pour accélérer la recherche contre le cancer du pancréas

EElias

Le résultat marquant, c’est la vitesse du tri informatique. D’après AlphaSignal, Quine a classé des milliers de composés en un week-end, dans une collaboration avec des chercheurs du Broad Institute de Harvard et du Massachusetts Institute of Technology. Le système évaluait leur capacité prédite à faire évoluer l’état moléculaire de cellules de cancer du pancréas. Dans ce travail, l’objectif était de repérer des changements d’état cellulaire, pas de démontrer qu’un composé soigne la maladie. Les composés les mieux classés ont ensuite produit les changements attendus les plus importants lors des essais en laboratoire. Alors, l’image utile, c’est celle d’un outil qui aide à choisir où regarder d’abord dans un vaste ensemble de pistes, pas celle d’une machine qui aurait découvert un traitement prêt à l’emploi. Le temps annoncé concerne cette étape de classement : les expériences biologiques sont restées nécessaires pour vérifier les prédictions. Cela distingue deux opérations souvent confondues dans les annonces sur l’intelligence artificielle en biologie : proposer des candidats à tester, puis établir expérimentalement ce qu’ils font réellement. Ici, le résultat présenté porte sur la première opération, avec une validation de plusieurs candidats de tête dans différents essais de laboratoire. Les résultats indiquent donc que le classement a permis de placer en tête des composés qui ont ensuite provoqué les changements attendus les plus importants. Ils ne disent pas que tous les candidats retenus auront le même effet dans d’autres expériences, ni que ces changements correspondent à un bénéfice médical. La portée concrète, c’est de mieux organiser la sélection des pistes qui méritent d’être étudiées en laboratoire.

EElias

Pour comprendre l’approche, il faut voir Quine comme un projet de recherche qui associe un modèle multimodal du vivant à un environnement interactif. Microsoft Research présente un système reliant modèles, outils scientifiques, littérature et chercheurs. L’équipe vise à faire dialoguer plusieurs types de données biologiques, plutôt que de traiter chaque information comme un dossier entièrement séparé. Cela peut aider à rapprocher des indices différents et à orienter des hypothèses et des expériences. Ce n’est pas pour autant une simulation complète d’une cellule, ni une garantie sur l’effet d’un composé. Dans l’essai consacré au cancer du pancréas, le système a classé des molécules selon les changements d’état cellulaire qu’elles pourraient provoquer. Microsoft rapporte aussi que Quine a prédit un troisième phénotype inattendu, ensuite confirmé expérimentalement, et que cette prédiction a permis de formuler de nouvelles hypothèses biologiques. Ce résultat est intéressant parce qu’il ne se limite pas à retrouver les effets attendus : il a aussi signalé un phénomène que les chercheurs n’avaient pas anticipé. La confirmation expérimentale donne un point de départ pour poursuivre l’enquête, mais elle ne prouve pas à elle seule l’explication biologique de ce phénomène. Il faut donc distinguer la prédiction, sa vérification dans les essais et l’interprétation de ce qu’elle signifie. C’est dans cet aller-retour entre calcul et expérience que Quine est présenté comme un outil de recherche.

EElias

Microsoft annonce le programme Quine Fellows, qui doit donner accès au système à un groupe de scientifiques. Le programme vise à leur permettre de l’utiliser dans leurs recherches et de fournir des retours scientifiques. C’est une étape d’évaluation par des chercheurs, plutôt qu’une annonce d’accès général au public. Microsoft indique envisager d’élargir l’accès à mesure que la technologie mûrit, notamment par l’intermédiaire de produits comme Microsoft Discovery. Mais l’entreprise ne donne ici ni calendrier précis ni conditions détaillées pour cet élargissement. Pour les équipes de recherche, l’intérêt potentiel est de pouvoir examiner les prédictions et décider lesquelles méritent des expériences. Ce choix reste important : le système peut aider à hiérarchiser des pistes, mais les chercheurs doivent encore juger si elles sont pertinentes et les vérifier. L’accès annoncé s’inscrit donc dans un développement progressif, où les retours scientifiques doivent accompagner l’évolution du système. Cela ne signifie pas que Quine soit déjà disponible pour tous les laboratoires. Et il faut garder en tête que l’usage présenté reste celui de la recherche, pas celui du soin.

EElias

La limite essentielle, c’est que le gain annoncé concerne le tri et la priorisation informatique des candidats, pas la validation d’un médicament. Les essais de laboratoire restent nécessaires après le classement, et les résultats de Quine peuvent être incomplets ou inexacts : Microsoft précise qu’ils doivent être examinés et validés par des chercheurs. En fait, la confirmation de changements dans des cellules ne permet pas de conclure à un bénéfice pour des patients. L’efficacité clinique, la toxicité, le dosage et les résultats chez les patients n’ont pas été évalués dans ce travail. Ces questions sont distinctes de la capacité du système à repérer des composés qui semblent produire un changement moléculaire attendu dans un essai. Il serait donc trompeur de traduire le week-end de calcul en délai de découverte d’un traitement : c’est le classement qui a été réalisé dans ce temps, et non l’ensemble du parcours expérimental ou médical. Les essais permettent de vérifier des effets mesurés en laboratoire, mais ils ne répondent pas à la question de savoir si le même résultat se produirait dans un organisme ou chez une personne. Il ne faut pas non plus confondre une prédiction bien classée avec une preuve de sécurité ou d’efficacité. Microsoft présente Quine comme une technologie expérimentale destinée à la recherche, et non à un usage clinique ou médical. Cette réserve définit précisément la portée du résultat : une aide à formuler et à prioriser des pistes, qui demande encore des vérifications.

EElias

Ce qu’il faut retenir, c’est un résultat de recherche sur la manière de choisir les expériences à mener. Avec le Broad Institute, Quine a classé des milliers de composés en un week-end selon leur capacité prédite à modifier l’état moléculaire de cellules de cancer du pancréas. Les essais de laboratoire ont ensuite montré que les candidats les mieux classés produisaient les changements attendus les plus importants. Le système a aussi prédit un phénotype inattendu, confirmé expérimentalement, qui a permis de formuler de nouvelles hypothèses. Ces résultats montrent une possibilité concrète : utiliser un modèle pour réduire et ordonner les pistes avant de les tester, plutôt que traiter son classement comme une preuve définitive. Mais les effets cliniques, la toxicité, le dosage et les résultats chez les patients restent inconnus. La portée de l’annonce est donc à la fois intéressante et limitée : Quine a aidé à prioriser des composés et à orienter des recherches, sans démontrer qu’ils constituent des traitements. Le chiffre marquant porte sur le temps de classement, pas sur la durée nécessaire pour établir la valeur médicale d’une molécule. Et le fait que les meilleurs candidats aient produit les changements attendus en laboratoire fournit un résultat à examiner, pas une conclusion sur leur efficacité chez des patients. Pour la suite, la question centrale sera de savoir comment les chercheurs pourront éprouver ces pistes et ce que ces expériences permettront d’établir.