Identification de nouvelles cibles thérapeutiques en oncologie par l’hybridation d’une ontologie, d’un système multiagent et d’un réseau de neurones

Le cancer, en raison de sa complexité biologique, limite l’efficacité des traitements actuels. L’étude des voies de signalisation cellulaire est cruciale pour comprendre la cancérogenèse et développer des thérapies ciblées. La diversité des interactions moléculaires complique leur modélisation, nécessitant des approches innovantes pour intégrer et analyser les données disponibles. Cet article propose un modèle hybride d’intelligence artificielle combinant ontologies, réseaux de neurones et simulations orientéesagent pour structurer les connaissances biologiques, modéliser les interactions moléculaires et identifier de nouvelles cibles thérapeutiques. Cette approche vise à améliorer la compréhension des processus oncologiques et à développer des stratégies thérapeutiques innovantes.