CellLENS : l’IA qui fait émerger des sous-types cellulaires cachés

Une tumeur n’est pas un bloc uniforme de cellules identiques. Elle rassemble des cellules cancéreuses aux comportements variés, des cellules immunitaires, des cellules de soutien et de nombreux signaux biologiques. Dans cet ensemble complexe, les populations les plus rares peuvent pourtant compter beaucoup : elles peuvent participer à l’évolution de la maladie, à sa résistance à un traitement ou à la réponse d’un patient à une immunothérapie. Le problème est de parvenir à les distinguer sans perdre le contexte qui les entoure.

C’est l’ambition de CellLENS, un système d’intelligence artificielle présenté en juillet 2025 pour étudier les sous-types cellulaires dans les tissus, notamment tumoraux. L’outil ne se limite pas à examiner un seul indicateur biologique. Il cherche à réunir l’apparence des cellules au microscope, leur position dans le tissu et des informations moléculaires afin d’établir un portrait numérique plus complet de chacune d’elles.

L’enjeu dépasse la seule performance informatique. En cancérologie, mieux définir les populations de cellules présentes dans un prélèvement pourrait, à terme, faciliter la recherche de biomarqueurs et le développement de stratégies thérapeutiques plus précises. Cette perspective reste toutefois du domaine de la recherche : identifier un signal intéressant dans des échantillons n’équivaut pas encore à valider un diagnostic ou à proposer un traitement à un patient.

CellLENS, un portrait numérique de chaque cellule

CellLENS combine deux grandes familles de méthodes d’apprentissage automatique : les réseaux neuronaux convolutifs et les modèles fondés sur des graphes. Les premiers sont couramment employés pour analyser des images. Dans un tissu observé au microscope, ils peuvent aider à repérer des caractéristiques visuelles, par exemple la forme, la taille ou l’organisation apparente des cellules.

Les graphes répondent à une autre question : quelles cellules sont proches les unes des autres et dans quel environnement se trouvent-elles ? Dans ce type de représentation, une cellule peut être considérée comme un point relié à d’autres points, selon sa proximité ou ses relations dans le tissu. Cette dimension spatiale est importante, car une cellule immunitaire n’a pas la même signification biologique si elle est située au contact d’une tumeur, à sa périphérie ou dans une zone éloignée.

L’approche est décrite comme multi-omique. Ce terme désigne l’intégration de plusieurs niveaux d’information biologique, plutôt que l’étude d’une seule mesure isolée. L’objectif est de ne pas réduire une cellule à un marqueur unique, ni à sa seule image microscopique. CellLENS produit ainsi pour chaque cellule un profil numérique susceptible de refléter à la fois sa morphologie, son état biologique et son contexte local.

Cette combinaison cherche à corriger une limite fréquente de l’analyse biologique : deux cellules peuvent sembler semblables si l’on ne regarde qu’un marqueur, tout en ayant des rôles très différents selon leur état moléculaire ou leur place dans le tissu.

Pourquoi les sous-types cellulaires cachés sont-ils importants ?

Le terme de « sous-type caché » renvoie à des populations de cellules difficiles à isoler avec les méthodes habituelles. Elles peuvent être rares, partager certains traits avec d’autres cellules ou n’être reconnaissables qu’en combinant plusieurs informations. Or, dans un cancer, cette diversité interne peut expliquer pourquoi deux patients portant le même diagnostic ne répondent pas toujours de la même manière au même traitement.

Les cellules d’une tumeur évoluent dans un microenvironnement particulièrement dense. On y trouve notamment des cellules immunitaires, qui peuvent attaquer les cellules malades, mais aussi être freinées ou détournées par des mécanismes de suppression immunitaire. Comprendre qui se trouve où, et dans quel état, est donc essentiel pour étudier les relations entre système immunitaire et tumeur.

CellLENS vise précisément à mettre en évidence ces différences fines. En distinguant des cellules aberrantes de celles issues d’un tissu sain, puis en identifiant des sous-populations au sein d’un échantillon, le système peut aider les chercheurs à décrire plus précisément la composition d’une tumeur. C’est une étape de connaissance, indispensable avant de pouvoir associer un profil cellulaire à un risque, à un pronostic ou à une réponse thérapeutique.

L’intérêt est aussi de dépasser une vision moyenne du tissu. Lorsqu’une analyse rassemble les signaux de milliers ou de millions de cellules, une population très minoritaire peut être masquée. L’étude cellule par cellule, enrichie par le contexte spatial, peut au contraire rendre visibles ces signaux discrets.

Ce que l’approche intégrée apporte par rapport aux analyses isolées

Les méthodes conventionnelles restent indispensables à la recherche et au diagnostic. Mais elles n’observent pas toutes les mêmes dimensions et peuvent examiner séparément l’image, les données moléculaires ou l’organisation spatiale. CellLENS cherche à les faire dialoguer dans une représentation commune.

Cette approche dite holistique est particulièrement adaptée à des phénomènes complexes. L’infiltration tumorale, par exemple, ne dépend pas seulement de la présence de cellules immunitaires. Elle dépend aussi de leur type, de leur état, de leur abondance et de leur position dans le tissu. De même, la suppression immunitaire peut résulter d’interactions locales qu’une donnée moléculaire prise seule ne permet pas forcément de contextualiser.

Il ne s’agit pas de dire qu’une IA remplace l’expertise des biologistes, des anatomopathologistes ou des oncologues. Elle sert plutôt à organiser et à comparer une quantité d’informations difficile à examiner manuellement dans toute sa profondeur. Les résultats doivent ensuite être interprétés, vérifiés et confrontés aux connaissances biologiques et médicales existantes.

Des biomarqueurs potentiels pour la médecine de précision

Un biomarqueur est une caractéristique mesurable qui apporte une information sur un état biologique ou une maladie. Il peut s’agir d’un élément moléculaire, d’un profil cellulaire ou, selon les cas, d’une combinaison de signaux. En médecine de précision, les biomarqueurs peuvent servir à mieux classer une maladie, à estimer une évolution possible ou à orienter le choix d’une stratégie thérapeutique.

CellLENS pourrait contribuer à la découverte de nouveaux biomarqueurs en définissant avec davantage de finesse les sous-populations cellulaires. Si une population particulière est associée de manière solide à un mécanisme tumoral ou à une réponse à un traitement, elle pourrait devenir un sujet d’étude pour de futurs tests ou médicaments ciblés.

Le conditionnel est essentiel. Entre l’identification d’un candidat biomarqueur dans des données de recherche et son emploi en pratique médicale, plusieurs étapes sont nécessaires : réplication des résultats, validation sur d’autres échantillons, évaluation de sa valeur clinique et intégration dans des procédures fiables. La publication d’origine ne fait état ni d’un test diagnostique prêt à l’emploi, ni d’un nouveau traitement issu directement de CellLENS.

Quels cancers ont été étudiés avec CellLENS ?

Le système a été appliqué à des échantillons de tissus sains et à différents cancers, dont le lymphome et le cancer du foie. Ces applications permettent d’observer si l’outil parvient à reconnaître des sous-types cellulaires dans des contextes biologiques distincts et à mettre en lumière leur rôle possible dans la dynamique de la maladie.

Le lymphome est une famille de cancers affectant le système lymphatique et certaines cellules immunitaires. Le cancer du foie, quant à lui, se développe dans un organe où l’environnement tissulaire et immunitaire joue également un rôle important. Ces deux cas illustrent l’intérêt potentiel d’une cartographie cellulaire détaillée : la nature des cellules présentes et leurs interactions peuvent influencer la compréhension des processus pathologiques.

Aucun chiffre de performance, de taille d’échantillon ou de bénéfice clinique chez des patients n’est fourni dans les éléments disponibles. Il serait donc prématuré d’en déduire que CellLENS améliore déjà les chances de guérison ou la précision des diagnostics en conditions réelles. La portée annoncée concerne avant tout l’analyse scientifique des tissus et l’identification de pistes biologiques.

Une collaboration de recherche autour de Bokai Zhu

L’étude évoquée a été publiée dans Nature Immunology et rassemble une collaboration impliquant des chercheurs associés à des institutions telles que le MIT, Harvard et Stanford. Le projet est dirigé par Bokai Zhu. Parmi les co-auteurs figure Alex K. Shalek, qui souligne la promesse des outils d’intelligence artificielle pour approfondir l’étude des comportements cellulaires pathologiques.

La publication dans une revue spécialisée est une étape importante, car elle inscrit l’outil dans le débat scientifique sur l’immunologie et la biologie des tumeurs. Mais elle ne doit pas être confondue avec une autorisation clinique. Les technologies de santé fondées sur l’IA doivent démontrer non seulement leur capacité à repérer des motifs dans des données, mais aussi leur utilité, leur robustesse et leur sécurité lorsqu’elles sont utilisées dans des parcours de soins.

La valeur de ce type de collaboration tient aussi à la diversité des expertises mobilisées. Construire un système comme CellLENS requiert des compétences en intelligence artificielle, en biologie cellulaire, en analyse d’images, en immunologie et en cancérologie. La médecine de précision est précisément un domaine où l’algorithme, seul, ne suffit pas : sa pertinence dépend de la qualité des échantillons, des mesures biologiques et de l’interprétation clinique.

Les conditions à réunir avant un usage médical

L’intelligence artificielle peut accélérer l’analyse de jeux de données complexes, mais son emploi médical soulève des exigences élevées. Pour qu’une découverte issue d’un système comme CellLENS devienne utile au chevet d’un patient, les chercheurs devront notamment vérifier que les résultats sont reproductibles dans d’autres laboratoires, sur des populations variées et avec des méthodes de préparation des tissus différentes.

Il faudra aussi déterminer quels signaux sont réellement liés à une conséquence clinique. Un sous-type cellulaire détecté par un modèle peut être biologiquement intéressant sans pour autant modifier une décision de soin. À l’inverse, un bon biomarqueur clinique doit apporter une information suffisamment claire et fiable pour justifier son intégration dans une prise en charge.

L’interprétabilité constitue un autre enjeu. Dans un domaine aussi sensible que le cancer, il est important de pouvoir relier les résultats de l’algorithme à des caractéristiques observables et à des mécanismes biologiques plausibles. Les professionnels de santé doivent pouvoir comprendre ce que l’outil met en évidence, en connaître les limites et l’utiliser comme une aide, non comme une décision automatique.

Enfin, les données nécessaires à une analyse multi-omique et spatiale sont riches, mais complexes à produire et à harmoniser. Leur qualité conditionne celle des conclusions. La promesse de CellLENS repose donc autant sur le modèle d’IA que sur la rigueur des protocoles expérimentaux qui l’alimentent.

Ce qu’il faut surveiller pour la médecine de précision

CellLENS illustre une direction forte de la recherche biomédicale : analyser les maladies à l’échelle de la cellule individuelle tout en conservant la carte du tissu dans lequel cette cellule évolue. Cette double lecture, moléculaire et spatiale, pourrait améliorer la compréhension de mécanismes tels que l’infiltration tumorale et les interactions entre tumeurs et système immunitaire.

Les prochaines étapes importantes seront la validation des sous-types cellulaires identifiés, la confirmation de leur présence dans des cohortes indépendantes et l’évaluation de leur utilité pour guider des décisions thérapeutiques. Il faudra également voir si cette approche peut être adaptée à d’autres pathologies où les interactions entre cellules jouent un rôle central.

Pour les patients, la promesse à long terme est celle d’une médecine moins fondée sur des catégories générales et davantage attentive aux particularités biologiques de chaque maladie. En juillet 2025, CellLENS représente surtout un outil de recherche ambitieux pour rendre cette diversité cellulaire plus visible. Sa contribution la plus concrète est d’offrir aux scientifiques une nouvelle manière de regarder les tissus, afin de ne plus laisser certaines populations cellulaires importantes passer inaperçues.