Cancer : une intelligence artificielle prédit les chances de succès de l’immunothérapie

    Signature radiomique

    Des chercheurs français ont entraîné une intelligence artificielle à prédire les probabilités de succès de ce traitement anti-cancer à partir d’images scanner. Un travail pionnier aux résultats prometteurs.

    L’intelligence artificielle, outil bientôt indispensable à l’arsenal thérapeutique du praticien dans la lutte contre le cancer ? Une étude publiée dans la revue médicale The Lancet ouvre en tout cas cette voie. Il s’agit d’une prouesse française à laquelle ont participé des chercheurs de l’institut Gustave Roussy, de l’Inserm, de l’Université Paris Sud et enfin de la start-up TheraPanacea, issue du giron de Centrale Supélec. Le principe : entraîner un algorithme d’intelligence artificielle à déterminer seul, à partir d’images scanner d’une tumeur cancéreuse, si un patient va réagir favorablement à l’immunothérapie. Un traitement qui consiste à stimuler le système immunitaire afin qu’il combatte le cancer. L’idée est de mettre en évidence le phénomène « d’infiltration lymphocitaire ». ll correspond à la présence dans la zone tumorale de certains globules blancs dits « cytotoxiques », chargés par le système immunitaire de détruire les cellules cancéreuses. La présence de ces cellules du système immunitaire au cœur de la tumeur est en effet associé à une meilleure réponse du patient à l’immunothérapie. Mais pour la mettre en évidence, il fallait jusqu’alors réaliser une biopsie.

    Comment cet algorithme de pré-diagnostic fonctionne ? Explications avec Nikos Paragios, co-auteur de l’étude, professeur de mathématiques à Centrale Supélec et fondateur de TheraPanacea, jeune pousse spécialisée en intelligence artificielle appliquée au cancer. Cette approche, appelée « radiomics », consiste à appliquer des techniques d’algorithmiques à l’imagerie médicale afin de fournir de nouveaux outils diagnostics non invasifs.

    Ne soumettre à l’immunothérapie que les patients susceptibles d’y répondre

    L’intérêt du procédé est de s’affranchir du besoin de profilage génétique souvent réalisé grâce à une biopsie (excision d’une partie de la tumeur afin de pouvoir l’analyser en laboratoire), procédure qui peut être risquée en fonction de la localisation de la tumeur, par exemple dans certains cas de cancers du poumon. « La biopsie est un acte chirurgical en lui-même qui nécessite des chirurgiens expérimentés, et qui peut être risqué pour le patient, explique Nikos Paragios. Elles permettent toutefois de réaliser les analyses biologiques des tumeurs, ce qui permet de savoir si un patient est susceptible de bien répondre à une immunothérapie. »

     

    RISQUES . « Parmi eux, seul 1 patient sur 5 y répondra correctement. Pour la majorité des patients, soit 3 patients sur 5, cette approche ne fonctionnera tout simplement pas. Mais le dernier cinquième répondra très mal à ce traitement, ce qui mettra dans certains cas la vie du patient en danger. » L’approche proposée par les scientifiques pourrait permettre d’améliorer significativement la sélection des candidats à l’immunothérapie… et d’éviter d’y soumettre les patients qui y réagiraient mal, d’autant plus que l’immunothérapie est un traitement coûteux : environ 100.000€ par patient en moyenne. « Avec les mêmes moyens, cela permettrait de traiter positivement 3 fois plus de patients », ajoute le professeur.

    Une « signature radiomique » calculée par l’algorithme partir de seules images scanner

    L’algorithme a été entraîné sur un échantillon de 135 patients ayant enduré une immunothérapie, pour lesquels étaient disponibles de nombreuses images scanner mais également le profilage génétique des tumeurs, plus précisément, le séquençage d’une protéine qu’on trouve sur certains lymphocytes -globules blancs- présents dans la tumeur). « La génomique n’est pas la façon habituelle de procéder, mais c’est une méthode détournée qui nous permet d’estimer l’infiltration lymphocitaire de façon plus objective que les méthodes classiques », précise Roger Sun, de l’institut Gustave Roussy. De quoi calculer, à partir de ces données, « une ‘signature radiomique’, indicateur construit à partir de caractéristiques extraites des images par l’IA. On l’associe ensuite à un profil génomique donné, lequel nous permet de modéliser par les chances de succès de l’immunothérapie », poursuit Nikos Paragios. 

     

    ROBUSTESSE. À noter que l’approche d’intelligence artificielle utilisée ne fait pas appel au deeplearning, ou apprentissage par réseaux de neurones artificiels profonds, qui requiert une base d’apprentissage considérable afin de déterminer seuls les critères à prendre en compte pour aboutir à une prédiction exacte. « Pour développer la même approche en deep learning, il nous aurait fallu une base de donnée de 10 à 100 fois plus grande. » Nikos Paragios et ses confrères ont ainsi construit un modèle qui calcule un score à partir d’un certain nombre de critères mesurables à l’imagerie scanner : contraste local de l’image, localisation de la tumeur… « Nous sommes parvenus à suffisamment réduire le nombre de critères de façon à aboutir à un modèle robuste dans ses prédictions. » Le système, après avoir « appris » à partir de 135 patients, a pu être validé sur 3 cohortes indépendantes, dont notamment celle du Cancer Genome Atlas, comportant en tout 350 personnes.

    Un prototype prometteur à valider sur une population plus large

    Le système est déjà capable de déterminer correctement le profil immunitaire de la tumeur à partir de l’image dans environ 60% des cas, « un score que l’on pourra encore améliorer au travers de futures études, notamment en multipliant les données d’apprentissage : 1.000 patients serait une bonne base., glisse Nikos Paragios. « Mais cette publication nous a permis de démontrer l’efficacité de notre méthode ». Son usage dans les hôpitaux n’est donc pas tout à fait pour demain … Mais son potentiel clinique est considérable.

Nombre de clicks: 12

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *