L'École polytechnique fédérale de Lausanne (EPFL) a présenté le 28 octobre 2026 spora, un atlas de données tissulaires en libre accès conçu pour la recherche en IA sur le cancer. Selon l'EPFL, la collection réunit 13'546 images de tissus provenant de 5477 patientes et patients. Elle doit servir à entraîner et à comparer des modèles d'intelligence artificielle (IA). Ce projet de la recherche suisse associe des hôpitaux et des universités de Zurich et de Genève.
L'école la décrit comme la plus vaste collection en libre accès au monde d'images tissulaires et de données moléculaires. C'est sa propre évaluation : le communiqué ne la compare à aucune autre base. Les travaux sont décrits dans un article scientifique signé notamment par Benedikt von Querfurth et Charlotte Bunne, référencé à la conférence Neural Information Processing Systems (NeurIPS) 2026.
À quoi sert spora pour les modèles d'IA ?
Un usage central est d'évaluer les modèles hors de leur étude d'origine. En plus des données, spora fournit des outils pour y accéder, les analyser, développer des modèles d'IA et mesurer leurs performances sur plusieurs études, selon le communiqué de l'EPFL.
L'équipe part d'une limite connue de l'IA médicale. «Un modèle peut obtenir d'excellents résultats dans une étude donnée tout en rencontrant des difficultés dès que les patientes, patients, laboratoires ou technologies de mesure changent», explique Lukas Klein, chercheur postdoctorant à l'EPFL et à l'Hôpital universitaire de Zurich. Partager les jeux de données et les protocoles d'évaluation doit permettre d'étudier ces écarts de façon systématique.
L'atlas garde aussi la trace de ses origines. Chaque jeu de données reste relié à son étude d'origine et à ses annotations. Les différences de protéines mesurées, de conditions d'imagerie ou d'informations cliniques restent visibles. Un chercheur peut ainsi choisir les données qui conviennent à sa question.
Chiffres clés de l'atlas spora
- 13'546 images multiplex ;
- 5477 patientes et patients ;
- 14 types de tissus ;
- cinq technologies d'imagerie, dont la cytométrie de masse ;
- deux ans de travail pour constituer la collection.
Quand elles existent, des images d'histopathologie sont jointes. Ce sont les images qu'utilise la pathologie clinique. Le lien entre mesures moléculaires et images cliniques est donc conservé.
Pourquoi rassembler ces données a pris deux ans
Les données de protéomique spatiale se combinent mal d'un laboratoire à l'autre. Cette technique mesure des dizaines de protéines dans un tissu, sans perdre leur position. Elle montre comment les cellules cancéreuses et les cellules immunitaires voisines sont disposées et interagissent.
Chaque laboratoire utilise toutefois ses propres appareils, ses propres protéines cibles et ses propres formats de fichiers. Pour spora, les chercheurs ont trié des milliers d'images, harmonisé les annotations des protéines, recoupé les données médicales et identifié des cellules individuelles. «La collecte et l'harmonisation des données entre différentes cohortes prennent un temps considérable», résume Benedikt von Querfurth, doctorant à l'EPFL et premier auteur de l'étude. Selon lui, c'est un obstacle majeur pour l'IA à grande échelle comme pour la biologie.
Un projet de la recherche suisse en IA pour la santé
Le projet réunit plusieurs institutions suisses et un partenaire européen. L'équipe de Charlotte Bunne travaille au Groupe intelligence artificielle en médecine moléculaire de l'EPFL, rattaché aux facultés des Sciences de la vie et Informatique et communications. Elle a collaboré avec l'Institut européen de bioinformatique du Laboratoire européen de biologie moléculaire (EMBL-EBI). Des spécialistes de l'Hôpital universitaire de Zurich, de l'Université de Zurich, des Hôpitaux universitaires de Genève et de l'Université de Genève y ont participé.
Le financement passe par deux programmes nationaux. spora a été développé dans le cadre de la National AI Initiative for Precision Oncology (NAIPO), une initiative consacrée à l'IA en oncologie de précision. Les modèles d'IA qui l'accompagnent ont été entraînés avec des ressources de calcul de la Swiss AI Initiative, d'après l'EPFL.
Cette dernière est un projet commun des deux écoles polytechniques fédérales. Comme 2clics l'a rapporté dans son article sur les spécialistes de l'IA en Suisse, l'École polytechnique fédérale de Zurich (EPFZ) et l'EPFL l'ont lancée pour favoriser le développement de technologies d'IA dans le pays. Selon la Neue Zürcher Zeitung (NZZ), reprise par ICTjournal le 26 octobre 2026, elle soutient aussi Apertus, un modèle d'IA ouvert. Le même article de la NZZ attribue à la Suisse la plus forte concentration au monde de spécialistes de l'IA hautement qualifiés.
L'ouverture des données rejoint un débat plus large. Dans notre dossier sur la robotique suisse face à la Chine, Jan Kerschgens, codirecteur du Centre suisse pour la souveraineté numérique, jugeait utile de poursuivre les efforts dans les modèles d'IA ouverts. Le dossier relevait aussi que l'excellence scientifique ne garantit pas le succès industriel.
Spora et LogSync, deux travaux récents de l'EPFL
L'EPFL a présenté en octobre 2026 un autre travail qui mêle apprentissage automatique et santé : la puce neuronale LogSync. Les deux projets en sont au stade de la recherche.
| spora | LogSync | |
|---|---|---|
| Présentation par l'EPFL | 28 octobre 2026 | 23 octobre 2026 |
| Nature | Atlas de données tissulaires et outils pour entraîner et évaluer des modèles d'IA | Puce implantable avec un algorithme d'apprentissage automatique |
| Domaine | Recherche sur le cancer, en priorité | Troubles psychiatriques |
| Publication | NeurIPS 2026 | IEEE Journal of Solid-State Circuits |
| Données | 13'546 images de 5477 patientes et patients | Enregistrements humains existants, essais sur un rat |
| Application clinique | Non annoncée, objectif à long terme | Non annoncée |
Résultat établi, hypothèse ou perspective
| Affirmation | Statut |
|---|---|
| Un atlas de 13'546 images, 14 types de tissus et cinq technologies d'imagerie | Établi, selon l'EPFL |
| Des outils pour développer et évaluer des modèles d'IA sur plusieurs études | Établi, livrés avec l'atlas selon l'EPFL |
| La plus vaste collection de ce type en libre accès au monde | Affirmation de l'EPFL |
| Des modèles performants dans une étude échouent souvent ailleurs | Constat de l'équipe, qui motive le projet |
| Extension à d'autres tissus, maladies et technologies d'imagerie | Souhait de l'équipe |
| Mieux prédire l'évolution de la maladie et choisir le traitement de chaque patient | Perspective, selon Charlotte Bunne |
Charlotte Bunne fixe l'objectif à long terme : «transformer les connaissances acquises à partir de milliers d'échantillons tissulaires en informations susceptibles d'aider chaque patiente et patient individuellement». Elle prévoit d'y travailler avec des cliniciens. Le communiqué n'annonce ni outil de diagnostic ni essai clinique.
Ce qu'on ne sait pas encore
- Les conditions d'accès : le communiqué de l'EPFL ne précise ni la licence des données, ni les démarches pour les obtenir.
- Les performances des modèles d'IA entraînés sur spora : elles ne sont pas chiffrées dans le communiqué.
- L'origine des échantillons : la part de patientes et patients suivis en Suisse n'est pas indiquée.
- La protection des données : le communiqué ne détaille pas comment les informations médicales ont été anonymisées.
- Le calendrier : aucune date n'est donnée pour l'extension à d'autres maladies ni pour un usage auprès des patients.
Sources
- EPFL News, Tanya Petersen, « Un nouvel atlas tissulaire aidera l'IA à comprendre le cancer », 28 octobre 2026
- B. von Querfurth, C. Bunne et al., « spora: A Unified Multimodal Dataset and Platform for Spatial Proteomics », NeurIPS 2026
