IA pour le suivi rigoureux et évolutif des cellules Suivre des cellules individuelles au fil du temps est l'un des défis computationnels les plus difficiles de la biologie. Les cellules se divisent, migrent et changent de forme, et même avec des microscopes puissants, la tâche de reconstruire les lignées peut ressembler à assembler un puzzle dont les pièces se déplacent constamment. Pendant des décennies, une grande partie de ce travail s'est appuyée sur des heuristiques ou des règles ad hoc, ce qui a rendu la reproductibilité difficile et les résultats difficiles à comparer entre les laboratoires. Deux articles récents montrent comment l'IA et la computation moderne transforment ce domaine. Dans OrganoidTracker 2.0, Betjes et ses co-auteurs introduisent un cadre probabiliste qui quantifie l'incertitude dans les attributions de lignées. Au lieu de simplement fournir une "meilleure estimation", la méthode attache des niveaux de confiance, permettant aux chercheurs d'identifier les cas ambigus et d'assurer des analyses en aval plus rigoureuses. Parallèlement, Bragantini et ses co-auteurs présentent Ultrack, un outil conçu pour l'évolutivité et l'accessibilité. En intégrant des algorithmes d'optimisation avancés et basés sur des graphes dans des plateformes largement utilisées, Ultrack permet de traiter efficacement des ensembles de données d'imagerie à grande échelle tout en abaissant les barrières à l'adoption. Ensemble, ces avancées marquent un tournant dans le suivi des cellules : d'heuristiques fragiles vers des outils statistiquement fondés, évolutifs et largement utilisables. Elles montrent comment l'IA ne se contente pas d'automatiser une tâche, mais la reformule en termes de reproductibilité, d'incertitude et d'intégration avec de véritables flux de travail expérimentaux. Articles : &