© Fotolia
Comment améliorer la prédiction de la réponse à l’immunothérapie dans le cancer du poumon non à petites cellules ? Des chercheurs de l’Institut Curie, de l’Inserm et de Mines Paris-PSL ont relevé ce défi en combinant différents types de données d’examen (génomiques, radiomiques, anatomopathologiques, cliniques) au sein de nouveaux algorithmes d’intelligence artificielle. . Une première, qui vient d’être publiée dans la revue Communications naturelles.
Dans la grande majorité des cancers du poumon (plus précisément dans les cancers du poumon non à petites cellules)[1]), l’immunothérapie est prescrite en première intention pour 85 % des patients. Cependant, certains y réagissent et d’autres non. Réussir à prédire l’efficacité de ce traitement représente donc un enjeu crucial afin de gagner du temps sur la progression de la maladie, d’éviter les effets secondaires inutiles et de réduire les coûts. Des scientifiques de l’Institut Curie, de l’Inserm et de Mines Paris-PSL se lancent dans un projet pionnier, financé par la Fondation Arc[2] et relations publiques[AI]RIE[3]à la recherche de nouveaux biomarqueurs prédictifs.
Pionnier d’abord en termes d’organisation : 16 chercheurs de l’Institut Curie, de l’Inserm et des Mines Paris-PSL, aidés de nombreux collègues et issus de domaines variés (imagerie, intelligence artificielle, pathologie, radiomique, biologie de la tumeur…) ont collaboré de manière transdisciplinaire autour des mêmes ensembles de données.
Puis pionnière en termes de résultats : cette équipe a réussi à identifier la meilleure combinaison de données pour prédire la réponse à l’immunothérapie dans le cancer du poumon non à petites cellules.
Preuve de l’intérêt de la multimodalité
« l’équipe du professeur Nicolas Girard, chef du service d’oncologie médicale à l’Institut Curie, nous avons collecté, pour 317 patients, des données transcriptomiques, c’est-à-dire l’expression du génome ; des données radiomiques, donc des données d’imagerie ; données sur la pathologie tumorale ; et enfin les données cliniques », explique le Dr Emmanuel Barillot, directeur de l’unité d’oncologie computationnelle (U1331, Institut Curie, Inserm). ” Nous avons découvert que les algorithmes qui combinent les données de trois ou quatre de ces modalités prédisent toujours mieux la réponse au traitement que ceux qui n’en utilisent qu’une ou deux. Cette preuve de l’intérêt de la multimodalité n’avait pas encore été rapportée pour le cancer du poumon non à petites cellules ».
Mieux encore, les scientifiques ont identifié les modalités les plus prédictives et les ont liées à des mécanismes biologiques.
« Nous avons par exemple observé que le transcriptome fournit une information de bonne qualité, notamment parce qu’il permet de quantifier les cellules dendritiques – dont l’action dans la réponse à l’immunothérapie est déjà connue. », poursuit le chercheur.
-
L’espoir d’une prochaine application clinique
Des découvertes qui auront un impact à court mais aussi à long terme.
« Nos prochaines recherches porteront sur l’intégration d’encore plus de données dans nos algorithmes pour vérifier la fiabilité des prédictions et les améliorer encore. », annonce Nicolas Captier, premier auteur de l’étude et doctorant dans l’équipe Biologie des systèmes oncologiques de l’Institut Curie. ” Et à terme, l’espoir est de pouvoir utiliser de tels algorithmes pour le développement de la stratégie thérapeutique.. »
La pratique nécessitera une collaboration étroite avec les médecins pour sa mise en œuvre : un processus qui devrait être facilité par la capacité des chercheurs de l’Institut Curie à travailler de manière translationnelle avec les équipes du Complexe Hospitalier.
[1] Ces cancers représentent plus de 80 % des cancers du poumon et comprennent les adénocarcinomes (60 % des cas), les carcinomes épidermoïdes (30 % des cas) et les carcinomes à grandes cellules (plus rare).
[2] Fondation de recherche sur le cancer
[3] L’un des quatre instituts français d’intelligence artificielle qui regroupe l’Université PSL, dont l’Institut Curie, mais aussi l’Université Paris Cité, le CNRS, Inria, l’Institut Pasteur, et de grands acteurs industriels comme Google et Meta.
