Une étude publiée dans The Lancet Oncology annonce pour la première fois qu'une intelligence artificielle peut exploiter des images médicales pour en extraire des informations biologiques et cliniques.

En concevant et en entrainant un algorithme à analyser une image de scanner, des médecins-chercheurs de Gustave Roussy, Centrale Supélec, l'Inserm, l'Université Paris-Sud et TheraPanacea (spin-off de CentraleSupélec spécialisée en intelligence artificielle pour l'oncologie-radiothérapie et la médecine de précision) ont créé une signature dite radiomique (1).

Cette signature définit le niveau d’infiltration lymphocytaire d’une tumeur et fournit un score prédictif de l’efficacité de l’immunothérapie chez un patient.

Jusqu'à présent, aucun marqueur ne permet d'identifier de manière certaine les patients qui vont répondre à une immunothérapie permettant de restaurer les fonctions immunitaires contre la tumeur alors que seulement 15 à 30 % des patients répondent au traitement.

A l’avenir, les médecins pourraient ainsi utiliser l’imagerie pour identifier des phénomènes biologiques dans une tumeur située dans  n’importe quelle partie du corps sans avoir à effectuer une biopsie.

On sait que plus l’environnement immunologique de la tumeur est riche (présence de lymphocytes), plus les chances que l’immunothérapie soit efficace.

Les chercheurs ont donc tenté de caractériser cet environnement en utilisant l’imagerie et de le corréler avec la réponse clinique des patients.

En utilisant une approche basée sur l’apprentissage automatique, l’équipe a d’abord enseigné à l’algorithme à utiliser des informations pertinentes extraites de scanners de patients participant à l’étude MOSCATO (Molecular Screening for Cancer Treatment Optimization), qui contenaient également des données sur le génome de la tumeur.

Ainsi, basé uniquement sur des images, l’algorithme a appris à prédire ce que le génome aurait pu révéler sur l’infiltrat immunitaire de la tumeur, notamment en ce qui concerne la présence de lymphocytes T cytotoxiques (CD8) dans la tumeur.

Une prochaine étude clinique évaluera la signature à la fois rétrospectivement et prospectivement, et utilisera un plus grand nombre de patients et les stratifiera en fonction du type de cancer afin d’affiner la signature.

Il s'agira aussi d'utiliser des algorithmes plus sophistiqués d'apprentissage automatique et d'intelligence artificielle pour prédire la réponse des patients à l'immunothérapie.

Pour cela, les chercheurs comptent sur l'intégration globale de données venant de l'imagerie, de la biologie moléculaire et de l'analyse des tissus.

C'est tout l'objet de la collaboration entre Gustave Roussy, l'Inserm, l'Université Paris-Sud, Centrale Supélec et TheraPanacea qui permettra d'identifier les patients qui sont les plus à même de répondre au traitement, et aussi d'améliorer le rapport coût/efficacité de la prise en charge.

Source : Information publiée sur le site de l’Institut Gustave Roussy et de l’Inserm.

(1)           A propos de la radiomique

En radiomique, on considère que l'imagerie (scanner, IRM, échographie…) ne reflète pas seulement l'organisation et l'architecture des tissus mais aussi leur composition moléculaire ou cellulaire. Cette technique consiste à analyser de manière objective par des algorithmes une image médicale afin d'en extraire des informations invisibles à l'œil nu comme la texture d'une tumeur, son microenvironnement, son hétérogénéité… C'est une approche non invasive pour le patient qui peut être répétée tout au long de la maladie pour suivre son évolution.