Aperçu des flux de travail de bio-impression d’organoïdes, de criblage de médicaments à haut débit et d’analyse. Crédit : Nature Protocols (2026). DOI : 10.1038/s41596-026-01375-5
Des chercheurs du Jonsson Comprehensive Cancer Center de l’UCLA Health ont mis au point une nouvelle plateforme combinant bio-impression 3D, imagerie avancée et intelligence artificielle afin de mieux suivre la réponse du cancer aux traitements. Cette technologie pourrait permettre d’identifier plus rapidement des thérapies prometteuses et de tester des traitements sur les propres cellules tumorales du patient, contribuant ainsi à des décisions thérapeutiques plus personnalisées.
Décrite dans Nature Protocols , cette approche utilise des cellules cancéreuses de patients pour créer des répliques tumorales miniatures cultivées en laboratoire, appelées organoïdes, et suit en continu leur réponse à différents médicaments. L’intelligence artificielle analyse ensuite les données obtenues, permettant aux scientifiques d’évaluer simultanément des centaines de thérapies potentielles afin de déceler des schémas de réponse aux médicaments susceptibles d’éclairer les stratégies de traitement des cancers pour lesquels les options thérapeutiques sont limitées.
Les organoïdes tumoraux sont devenus des outils précieux pour la recherche sur le cancer, car ils ressemblent davantage aux tumeurs des patients que les modèles de laboratoire traditionnels. Cependant, de nombreux systèmes actuels peinent encore à concilier la précision biologique avec la rapidité, la reproductibilité et l’échelle nécessaires aux études de grande envergure ou à l’utilisation clinique. Cette étude relève ce défi en créant une plateforme capable de générer et d’analyser un grand nombre d’organoïdes tumoraux dérivés de patients, tout en recueillant des informations détaillées sur leur réponse au traitement.
Présentation de la configuration du système HSLCI. Crédit : Nature Protocols (2026). DOI : 10.1038/s41596-026-01375-5
Création d’organoïdes tumoraux 3D par bio-impression par extrusion
Les chercheurs ont mis au point un flux de travail unifié utilisant la bio-impression par extrusion pour générer des organoïdes tumoraux tridimensionnels intégrés dans des matrices extracellulaires conçues pour les formats multipuits à haut débit. Ces organoïdes ont ensuite été suivis en continu grâce à l’imagerie de phase quantitative sans marquage et à haute vitesse, permettant de suivre les variations de biomasse et la dynamique de croissance afin de mesurer la viabilité tumorale au fil du temps. Cette approche ne nécessite ni colorants ni analyses destructives, susceptibles d’altérer le comportement cellulaire et de limiter la durée d’observation des cellules.
Pour analyser les ensembles de données obtenus, la plateforme intègre la reconstruction d’images automatisée, la segmentation par apprentissage profond et le suivi, par apprentissage automatique, des réponses individuelles des organoïdes au traitement. Ceci permet aux chercheurs de quantifier les réponses aux médicaments à l’échelle de l’organoïde unique sur des milliers d’échantillons, offrant ainsi une vision détaillée de l’hétérogénéité tumorale et des différences de réponse au traitement.
Présentation de la configuration du système HSLCI. Crédit : Nature Protocols (2026). DOI : 10.1038/s41596-026-01375-5
Mesure de la réponse des organoïdes
La plateforme a permis de mesurer avec succès la réponse des organoïdes tumoraux aux traitements médicamenteux au fil du temps, aussi bien dans des lignées cellulaires cancéreuses établies que dans un échantillon tumoral provenant d’un patient. L’imagerie avancée a permis aux chercheurs de suivre en continu l’évolution de la croissance des organoïdes en réponse à différents médicaments, tandis que l’intelligence artificielle a facilité l’analyse de grandes quantités de données et le suivi des réponses au niveau de chaque organoïde.
« Au lieu de nous demander si un médicament est efficace en moyenne sur un grand nombre de cellules tumorales, nous pouvons désormais déterminer quels organoïdes spécifiques y répondent et lesquels n’y répondent pas, et ainsi, à terme, identifier les raisons sous-jacentes de ces profils de réponse uniques », explique le Dr Michael Teitell, directeur du Jonsson Comprehensive Cancer Center de UCLA Health, professeur de pathologie et de médecine de laboratoire et co-auteur principal de l’étude. « Cela nous permet de mesurer les réponses aux médicaments sur des milliers d’organoïdes individuels, de détecter les populations tumorales résistantes rares, de suivre la croissance et les réponses au traitement au fil du temps, et de mieux prédire quelles thérapies pourraient être efficaces pour un patient donné. »
Vers un traitement personnalisé
Cette technologie ouvre la voie à une approche potentielle permettant aux médecins de tester des médicaments anticancéreux sur les propres cellules tumorales du patient avant tout traitement. En aidant les chercheurs à identifier les thérapies les plus susceptibles de fonctionner pour une tumeur donnée, cette méthode pourrait favoriser des décisions thérapeutiques plus personnalisées, notamment pour les patients atteints de cancers rares et difficiles à traiter.
https://www.uclahealth.org/news/release/new-ai-powered-platform-helps-researchers-find-promising
