L’EPFL développe un modèle d’IA qui cartographie les tissus tumoraux

Des chercheurs de l’EPFL, avec des collègues de l’Université de Genève, des Hôpitaux universitaires de Genève et de Zurich, ont développé VirTues, un modèle d’IA fondationnel pour la biologie des tissus qui analyse les tissus tumoraux de nombreux types de cancers, avec des résultats publiés dans Nature.

Des chercheurs de l’EPFL ont développé Virtual Tissues (VirTues), un modèle fondationnel pour la biologie des tissus qui analyse les tissus tumoraux de nombreux types de cancers. Développés par le groupe Artificial Intelligence in Molecular Medicine dirigé par Charlotte Bunne, au sein des Facultés d’informatique et communications et des sciences de la vie de l’EPFL, ces travaux ont été publiés dans la revue Nature.

Une tumeur ne se résume pas à ses cellules cancéreuses : les cellules immunitaires, les vaisseaux sanguins et les tissus environnants influencent la façon dont un cancer se développe et répond au traitement, et deux tumeurs composées des mêmes types de cellules peuvent réagir très différemment selon l’agencement de celles-ci. La protéomique spatiale capture cette organisation au niveau moléculaire, mais les données qui en résultent sont difficiles à interpréter et à comparer d’une étude à l’autre. VirTues apprend à partir de données de protéomique spatiale issues de multiples études et types de cancers, permettant une analyse allant de la cellule individuelle aux coupes de tissu entières et jusqu’au devenir des patients.

L’équipe a réalisé deux avancées centrales. Elle a constitué ce qu’elle présente comme le plus grand jeu de données ouvert de mesures de protéomique spatiale à ce jour, comprenant plus de 12’000 images provenant de plus de 5’000 patients répartis dans 31 cohortes cliniques. Elle a également développé une nouvelle architecture Transformer permettant au modèle d’apprendre à partir de données de protéomique spatiale issues d’études différentes, même lorsque les ensembles de protéines mesurées varient. Suivant la logique des modèles fondationnels utilisés pour le langage, VirTues est entraîné de manière large plutôt que pour une tâche unique prédéfinie, en apprenant les relations entre protéines, cellules et leur contexte spatial.

Ces travaux ont associé des contributeurs de l’Université de Zurich, de l’Hôpital universitaire de Zurich, de l’Université de Genève et des Hôpitaux universitaires de Genève (HUG), où Olivier Michielin, responsable de l’oncologie de précision, voit dans l’intégration du modèle aux tumor boards d’oncologie de précision locaux et nationaux une prochaine étape naturelle.

VirTues s’inscrit dans un projet de cinq ans intitulé Virtual Patient Labs: AI-Driven Simulation and Diagnostics for Precision Oncology, pour lequel Charlotte Bunne a reçu le prix Lopez-Loreta 2026. Le projet vise à construire un modèle computationnel de la biologie d’un patient donné, en combinant la composante tissulaire à la pathologie de routine, aux informations génétiques et aux données cliniques.