Plateforme intelligente de découverte de biomarqueurs : l’IA et le ML au service de la recherche biomédicale

Entreprise européenne de biotechnologie spécialisée dans le développement d’outils pour soutenir le diagnostic et la recherche biomédicale, collaborant avec des centres académiques et cliniques à travers le monde.

Les chercheurs impliqués dans la découverte de biomarqueurs rencontraient des difficultés à analyser des données complexes issues de la protéomique et de la métabolomique. Ce processus nécessitait des compétences avancées en bioinformatique, intelligence artificielle et programmation — des domaines que de nombreux scientifiques ne maîtrisaient pas. Le manque de spécialistes en bioinformatique ralentissait en outre les avancées de la recherche médicale. L’entreprise avait besoin d’un outil simplifiant l’analyse des données de spectrométrie de masse, exploitant l’IA sans nécessiter de codage.

Nous avons conçu un logiciel intuitif exploitant l’intelligence artificielle (IA) et des modèles avancés d’apprentissage automatique (ML) pour identifier des biomarqueurs de maladies dans les données protéomiques et métabolomiques — sans nécessiter de codage. La solution comprend : 

• Un pipeline ML automatisé pour le traitement des données (alignement, réduction du bruit, suppression de fond, extraction des pics) 
• Des algorithmes ML pour la réduction de dimensionnalité et la sélection de caractéristiques fondée sur leur stabilité 
• Une vérification statistique de la pertinence des caractéristiques sélectionnées, assistée par l’IA 
• La création de modèles prédictifs ML pour la classification et le diagnostic 
• L’intégration avec des bases de données ouvertes sur les protéines 
• La compatibilité avec les formats de données de spectrométrie de masse les plus courants 
• L’automatisation complète des processus analytiques grâce à l’IA et au ML, garantissant la reproductibilité des analyses scientifiques 

Le projet a été divisé en trois grandes étapes : 

1. Analyse des besoins et conception fonctionnelle
   Nous avons commencé par une revue de la littérature, des entretiens avec des utilisateurs potentiels et une analyse de marché. Cela nous a permis d’identifier précisément les besoins en automatisation et en intégration de l’IA et du ML dans le travail scientifique quotidien.
2. Développement du système et validation du prototype
   Sur la base des informations recueillies, nous avons développé un prototype doté d’algorithmes ML propriétaires, testé pour son utilité et son efficacité analytique. Parallèlement, nous avons conçu l’architecture du système et développé nos propres algorithmes pour le traitement des données de spectrométrie de masse. Le développement a été itératif, basé sur des données réelles et un retour utilisateur régulier.
3. Mise en œuvre et personnalisation pour les utilisateurs
   Dans la phase finale, nous nous sommes concentrés sur l’implémentation de modules IA/ML spécifiques pour des institutions scientifiques, en adaptant les fonctionnalités et l’interface utilisateur à leurs besoins de recherche particuliers.

La plateforme basée sur le ML et l’IA a été déployée dans des institutions de recherche de premier plan au Japon, en Pologne et en Suède, où elle soutient les équipes scientifiques dans leur travail quotidien. Son efficacité a été démontrée dans de nombreuses publications scientifiques, renforçant la confiance de la communauté académique et clinique dans l’outil. 

Grâce à une interface conviviale et à une automatisation complète, la plateforme a considérablement réduit le temps nécessaire à l’analyse des données et a permis à des chercheurs sans expérience en programmation d’identifier des biomarqueurs. Elle a également facilité l’accès à des méthodes bioinformatiques avancées, garanti la reproductibilité et la standardisation des analyses, et soutenu les recherches et processus de validation en diagnostic médical. 

L’équipe a su combiner expertise en bioinformatique, ingénierie logicielle et expérience utilisateur pour créer un outil efficace, flexible et adapté aux besoins des chercheurs. La collaboration étroite avec les scientifiques et la prise en compte continue des besoins des utilisateurs à chaque étape du projet ont également été des facteurs clés de réussite.