Une équipe de chercheurs nigérians basée à la Research and Doctoral College, University of Greater Manchester (Bolton) a remporté la troisième place des Best Paper Awards lors de la 2026 International Conference on Cybersecurity, Digital Forensics and AI Applications (ICCSDFAI), tenue du 25 au 27 juin 2026 sur le campus Vadi de l’Istinye University à Istanbul, Türkiye. La distinction a été attribuée pour l’étude «Evaluating Artificial Intelligence for Predicting and Interpreting Molecular Toxicity from Chemical Structures to Enhance Early Drug Screening.»
Intelligence artificielle et méthode
Le papier propose de déplacer le contrôle de sécurité des médicaments au tout début du processus de développement en utilisant l’intelligence artificielle pour lire la structure chimique d’une molécule et estimer son risque avant toute expérience de laboratoire. Les auteurs ont travaillé sur le jeu de données public Tox21, et plus précisément sur l’endpoint nucléaire NR‑AR (androgen receptor), couvrant 1 488 composés.
Chaque molécule a été convertie en un «empreinte» numérique décrivant ses blocs structurels, puis un classifieur Random Forest a été entraîné pour distinguer les composés toxiques des non‑toxiques. Les auteurs vont au‑delà de la simple prédiction en classant les sous‑structures moléculaires qui ont contribué à chaque décision, ce qui, selon eux, rend l’outil plus utilisable par les chimiques et les autorités de régulation que ne le ferait une boîte noire.
Résultats, performances et limites
Le modèle a atteint 96 pour cent de précision globale et un ROC–AUC de 0,7666, ce qui signifie que, confronté à un composé toxique et à un composé non‑toxique pris au hasard, il classe correctement le composé toxique plus haut dans environ 77 pour cent des cas. Il s’est montré particulièrement fiable pour identifier les composés sûrs, affichant une précision et un rappel de 0,98 pour la classe non‑toxique. Les auteurs indiquent toutefois que, du fait de la rareté des composés toxiques dans le jeu de données, le système détecte moins bien les toxiques qu’il n’écarte les non‑toxiques, une limite bien connue des jeux de données en toxicologie.
Auteurs et portée
Les auteurs primés sont Daniel Ndifreke Samuel, le professeur Celestine Iwendi, Ogunlola John Olalere, Adedeji Edward Adesola, Afeez Oluwaseun Akande et Blessing Alice Alao‑Olatunji, tous affiliés à la Research and Doctoral College, University of Greater Manchester, Bolton. Le papier rassemble des chercheurs en début de carrière et une figure établie du domaine, le professeur Celestine Iwendi, qui a encadré de nombreux doctorants nigérians et internationaux au Royaume‑Uni.
L’étude a été publiée dans les actes de la conférence et est disponible dans la bibliothèque numérique IEEE Xplore sous le DOI 10.1109/ICCSDFAI70505.2026.11648038.
L’équipe a décrit cette récompense comme un témoignage de ce que peuvent accomplir ensemble les chercheurs nigérians et a exprimé l’espoir que cette reconnaissance encouragera davantage de jeunes Nigérians à s’engager en intelligence artificielle et dans les sciences de la santé.
