Le Machine Learning est une catégorie d’intelligence artificielle qui consiste à entrainer des algorithmes sur de larges ensembles de données pour qu’ils apprennent à réaliser une tâche. Ils peuvent ainsi permettre de reconnaitre individuellement des animaux sur des photos chez des espèces pour lesquelles cela est très ardu pour l’œil humain ou encore d’identifier des marqueurs sanguins de cancers parmi des centaines de composés. Cet article, publié sur la revue ‘Methods in Ecology and Evolution’, montre comment ces techniques sont déjà mises en œuvre pour aider à mieux comprendre les impacts des cancers au sein de la faune sauvage. Il donne également des pistes et des conseils aux chercheurs qui souhaiteraient utiliser ces techniques sur leurs jeux de données, en particulier pour investiguer cette thématique.
Vous pouvez le retrouver sur le portail documentaire de la Tour du Valat [1].
Résumé:
- Le cancer est un processus peu étudié mais important chez la faune sauvage. On pense que les cellules cancéreuses ont eu un effet significatif sur l’évolution des espèces métazoaires en raison de leur effet négatif sur la condition physique de l’hôte. Cependant, l’acquisition de connaissances sur l’impact du cancer sur les espèces et les écosystèmes est actuellement relativement lente car elle nécessite une expertise à la fois en écologie et en oncologie. Ce domaine peut grandement bénéficier de l’automatisation, ou Machine learning, pour analyser des ensembles de données écologiques complexes.
- Dans ce commentaire, nous examinons comment l’apprentissage automatique a été utilisé pour acquérir des connaissances sur les processus oncogènes dans la faune. En utilisant une approche d’écologie du paysage, nous explorons des échelles spatiales allant de la taille d’une molécule à des écosystèmes entiers et nous détaillons, pour chaque niveau, comment l’apprentissage automatique a été utilisé ou pourrait contribuer à obtenir des informations sur le cancer dans les populations et les écosystèmes de la faune sauvage.
- Nous illustrons comment l’apprentissage automatique est une boîte à outils puissante pour mener des études à l’interface de l’écologie et de l’oncologie. Nous fournissons des conseils aux lecteurs des deux domaines sur la manière de mettre en œuvre les outils d’apprentissage automatique dans leurs recherches et nous identifions les directions à suivre pour faire avancer le domaine en utilisant cette technologie prometteuse. Nous démontrons comment l’application de l’apprentissage automatique à des ensembles de données écologiques complexes (a) contribuera à quantifier l’effet du cancer à différents stades de la vie chez les animaux sauvages ; (b) permettra d’exploiter des ensembles de données à long terme pour comprendre la variabilité spatio-temporelle des facteurs de risque de cancer et (c) contribuera à atténuer les facteurs de risque de cancer et à assurer la conservation des espèces menacées.
- Avec cette étude, nous souhaitons faciliter l’utilisation de l’apprentissage automatique pour les espèces sauvages et encourager la discussion entre les scientifiques des domaines de l’oncologie et de l’écologie. Nous soulignons également l’importance des collaborations internationales et pluridisciplinaires pour collecter des ensembles de données de haute qualité sur lesquels des algorithmes d’apprentissage automatique efficaces peuvent être entraînés.
Référence bibliographique: Dujon, A. M., Vittecoq, M., Bramwell, G., Thomas, F., & Ujvari, B. (2021). Machine learning is a powerful tool to study the effect of cancer on species and ecosystems. Methods in Ecology and Evolution, 00, 1–14. https://doi.org/10.1111/2041-210X.13703 [2]