Des chercheurs de Penn Medicine ont développé un cadre d’intelligence artificielle qui intègre de grands modèles de langage avec une expertise humaine pour découvrir de nouvelles cibles pour la thérapie cellulaire CAR-T, selon un rapport publié mercredi dans la revue Cell. L’étude a été dirigée par Daniel Baker, qui a terminé son doctorat à Penn en décembre 2025 sous le mentorat du pionnier de la thérapie cellulaire CAR T Carl June et de Zoltan Arany, président de physiologie à Penn.
Le système d’IA, décrit comme un modèle « humain dans la boucle », vise à atténuer le défi de l’identification des antigènes pour les cellules CAR T. « Découvrir une bonne cible CAR, c’est comme essayer de trouver une aiguille dans une botte de foin, sauf que la botte de foin continue de croître à mesure que davantage de données de séquençage deviennent disponibles », a déclaré Baker. Il a noté que l’IA est bien adaptée à cette tâche, car de grands modèles linguistiques peuvent analyser efficacement de grandes quantités de données, tandis que des experts humains peuvent fournir des informations approfondies.
Le cadre combine des ensembles de données de séquençage d’ARN unicellulaire avec des simulations basées sur LLM pour désigner et hiérarchiser les cibles potentielles de CAR T, produisant ainsi une liste restreinte pour validation par des experts. La conception est indépendante de la maladie et compatible avec les futurs modèles d’IA.
Comme preuve de concept, l’équipe s’est concentrée sur le cancer de la peau et a identifié la protéine B du mélanome non métastatique glycoprotéique (GPNMB) comme l’un des meilleurs candidats. Les cellules CAR T conçues pour cibler le GPNMB ont démontré une activité de destruction significative des tumeurs dans des modèles murins de mélanome, de leucémie et de cancer colorectal. Un commentaire connexe dans Cell a souligné que le traitement GPNMB CAR T entraînait une rémission sans rechute dans les modèles de xénogreffe.
Alors que la thérapie cellulaire CAR T a considérablement amélioré le traitement des cancers du sang, les thérapies actuelles approuvées par la FDA ciblent principalement les antigènes de ces tumeurs malignes. Les chercheurs affirment que leur cadre peut réduire le processus de découverte de cibles de plusieurs mois à quelques semaines, facilitant ainsi son application à divers types de maladies sans nécessiter une refonte de l’architecture sous-jacente.
