Key points are not available for this paper at this time.
Le cancer reste une maladie mortelle avec un faible taux de survie médian. L'augmentation des taux de mortalité par cancer est attribuée à des limitations dans le diagnostic, la prédiction du pronostic et les interventions thérapeutiques. Le diagnostic photodynamique (DPD) et la thérapie photodynamique (TPD) sont des systèmes prometteurs basés sur la lumière utilisés pour le diagnostic et le traitement du cancer. Ils intègrent des photosensibilisateurs (PS), de la lumière et de l'oxygène pour visualiser ou éradiquer les cellules cancéreuses. Bien que la nanotechnologie ait avancé ces techniques, plusieurs limitations, telles que la sélectivité des cibles, la dose de PS, le pronostic, la mauvaise livraison de lumière et le diagnostic inexact, ont entravé leur efficacité globale. L'intelligence artificielle (IA) est une branche de l'informatique qui se concentre sur les prédictions et l'automatisation, jouant un rôle clé dans l'accélération de la découverte de médicaments et la promotion de la précision dans les soins de santé. Les algorithmes d'IA ont le potentiel d'optimiser la conception des PS pour une meilleure pénétration tissulaire et affinité, améliorant la sélectivité des cibles via l'identification de nouveaux biomarqueurs et cibles thérapeutiques, et optimisant les paramètres de livraison de lumière pour une propagation uniforme de la lumière dans les tissus. Par conséquent, cette revue met en lumière les avancées dans l'intégration de l'IA dans les applications de DPD et de TPD au cours de la dernière décennie, ainsi qu'une nouvelle perspective sur la façon dont la technologie IA peut améliorer le DPD et la TPD et continuer à améliorer la santé humaine à l'avenir.
Nkune et al. (Mon,) ont étudié cette question.