Des chercheurs du centre de cancérologie Jonsson de l'UCLA Health ont mis au point une nouvelle plateforme intégrant l'impression 3D, l'imagerie avancée et l'intelligence artificielle pour suivre en temps réel la réponse des tumeurs aux traitements. Publiée récemment dans Nature Protocols, cette approche utilise des cellules cancéreuses prélevées sur des patients pour générer des répliques tumorales tridimensionnelles, appelées organoïdes. Contrairement aux modèles cellulaires classiques, cette méthode reproduit fidèlement la complexité des tumeurs humaines tout en permettant un dépistage à haut débit. Le système repose sur l'impression par extrusion pour fabriquer les organoïdes dans des formats adaptés aux tests en multi-puits. Leur évolution est ensuite surveillée en continu par imagerie de phase quantitative sans marquage, une technique non destructive qui évite l'utilisation de colorants susceptibles d'altérer le comportement cellulaire. Les variations de biomasse et la dynamique de croissance sont ainsi mesurées avec précision sur de longues périodes. L'analyse des données est assurée par des algorithmes d'apprentissage profond et de suivi automatisé. Ces outils permettent d'évaluer la réponse à plusieurs médicaments simultanément, au niveau de chaque organoïde individuel. Cette granularité offre une vue détaillée de la variabilité tumorale et facilite la détection de populations cellulaires rares résistantes aux traitements. Selon le docteur Michael Teitell, directeur du centre et auteur principal, cette capacité à identifier les réponses individuelles plutôt que les moyennes ouvre la voie à des stratégies thérapeutiques mieux ciblées. Cette plateforme accélère considérablement la découverte de molécules prometteuses et pourrait transformer la prise en charge des cancers rares et difficiles à traiter. En permettant aux médecins de tester des thérapies sur les propres cellules tumorales d'un patient avant le début du traitement, la technologie encourage une médecine véritablement personnalisée. Elle établit ainsi un pont entre la recherche biomédicale, l'ingénierie tissulaire et l'intelligence artificielle, tout en offrant aux cliniciens un outil de prédiction plus fiable et plus rapide.