DEIA motor

Read full text Summarise with VIRAT
Authors: Anne Povie
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Ce white paper présente l’utilisation de l’intelligence artificielle (IA), du machine learning (ML) et du deep learning (DL) pour analyser des images cellulaires dans le cadre de la découverte de médicaments. Il explique comment les technologies d’imagerie biologique génèrent aujourd’hui de très grandes quantités de données, difficiles à traiter manuellement. L’IA permet d’automatiser l’analyse de ces images, d’identifier des caractéristiques cellulaires complexes et de détecter des effets biologiques avec une grande précision. Le document décrit plusieurs applications concrètes, notamment : l’analyse automatisée des cellules (segmentation, classification), la détection de phénotypes cellulaires, l’évaluation rapide de milliers de candidats médicaments, la réduction des erreurs et des biais humains. L’approche basée sur le deep learning permet également de révéler des informations biologiques invisibles avec les méthodes classiques, améliorant ainsi la qualité des résultats scientifiques. Globalement, ce white paper montre que l’intégration de l’IA dans l’imagerie cellulaire permet de : réduire le temps et les coûts de la recherche, augmenter la productivité des laboratoires, accélérer le développement de nouveaux traitements. Enfin, il met en évidence les perspectives futures et les défis liés à l’utilisation de ces technologies, notamment la gestion des données massives et le besoin de compétences spécialisées.

Fields of Study & Subjects

Cell Image Analysis Techniques Digital Imaging for Blood Diseases AI in cancer detection

Publication details

Journal / source
Zenodo (CERN European Organization for Nuclear Research)
Publication date
21 March 2026
Language
FR
Document type
Dataset