Résultats d’une étude publiée dans la revue Communications naturellesco-conçu et co-supervisé par le professeur Evis Sala de l’Université catholique de Rome et le Policlinico A. Gemelli IRCCS.
Un modèle basé sur l’intelligence artificielle est capable de prédire le résultat du traitement (mesuré par la réduction volumétrique des lésions tumorales) chez 80 % des patientes atteintes d’un cancer de l’ovaire. Le modèle basé sur l’IA a un précision de 80 %, ce qui est nettement meilleur que les méthodes cliniques actuelles.
IRON : à l’avant-garde de l’oncologie prédictive
L’outil, nommé IRON (Integrated Radiogenomics for Ovarian Neoadjuvant Therapy), analyse diverses caractéristiques cliniques des patients, depuis les tumeurs circulantes ADN dans le sang (biopsie liquide) aux caractéristiques générales (âge, état de santé, etc.), aux marqueurs tumoraux et aux images de la maladie obtenues par tomodensitométrie. Sur la base de cette analyse, il fournit une prédiction de la probabilité de succès de la thérapie.
Cette réalisation découle d’une étude récente publiée dans Communications naturelles, menée sur 134 patientes atteintes d’un cancer de l’ovaire de haut grade. L’étude a été coordonnée par le professeur Evis Sala, titulaire de la chaire d’imagerie diagnostique et de radiothérapie de la Faculté de médecine et de chirurgie de l’Université catholique et directeur du Centre de radiologie avancée de la Policlinico Universitario A. Gemelli IRCCS. Le modèle d’IA a été initialement développé par l’équipe du professeur Sala de l’Université de Cambridge.
Le défi du diagnostic et du traitement du cancer de l’ovaire
Le cancer de l’ovaire touche plus de cinq mille femmes chaque année en Italie, s’ajoutant aux trente mille patientes déjà diagnostiquées. En raison de l’absence de symptômes précoces spécifiques, le diagnostic survient souvent à des stades avancés de la maladie. Le carcinome séreux de l’ovaire de haut grade, constituant 70 à 80 % des tumeurs ovariennes, est particulièrement agressif et fréquemment résistant à la chimiothérapie. Actuellement, la prédiction de la réponse thérapeutique pour ce type de tumeur n’est précise qu’à 50 %.
De plus, il existe peu de biomarqueurs cliniquement utiles pour ce type de cancer en raison de sa forte hétérogénéité, variant considérablement d’un patient à l’autre. Cela a conduit au développement d’un outil basé sur l’intelligence artificielle capable de prédire avec précision les répondeurs à la chimiothérapie.
Le rôle des biomarqueurs et de l’IA dans la personnalisation des soins contre le cancer
« Nous avons compilé deux ensembles de données indépendants avec un total de 134 patients (92 cas dans le premier ensemble de données, 42 dans le deuxième ensemble de tests indépendants) », ont expliqué le professeur Sala et le Dr Mireia Crispin Ortuzar de Cambridge. Pour tous les patients, les cliniciens ont collecté des données cliniques, notamment des informations démographiques et des détails sur le traitement, ainsi que des biomarqueurs sanguins comme le CA-125 et l’ADN tumoral circulant (ADNc). Les caractéristiques quantitatives de la tumeur dérivées des images tomodensitométriques de tous les sites tumoraux primaires et métastatiques ont également été obtenues.
Les localisations omentales et pelviennes/ovariennes (communes à la propagation du cancer de l’ovaire) représentaient initialement la majorité de la charge de morbidité. Les dépôts omentaux ont montré une réponse significativement meilleure au traitement néoadjuvant par rapport à la maladie pelvienne. Les mutations tumorales (par exemple, TP53 MAF évaluées sur l’ADN circulant) et le marqueur CA-125 ont été corrélées à la charge globale de la maladie avant le traitement et la réponse thérapeutique.
En outre, une analyse avancée des images tomodensitométriques a révélé six sous-groupes de patients présentant des caractéristiques biologiques et cliniques distinctes, indicatives de la réponse thérapeutique. Toutes ces caractéristiques tumorales ont été utilisées comme données d’entrée pour les algorithmes d’intelligence artificielle qui forment collectivement l’outil. Le modèle développé a ensuite été entraîné et son efficacité validée sur un échantillon de patients indépendant.
Orientations futures : applications cliniques du modèle IRON
« D’un point de vue clinique, le cadre proposé répond au besoin non satisfait d’identifier précocement les patients peu susceptibles de répondre au traitement néoadjuvant et pouvant être orientés vers une intervention chirurgicale immédiate », a souligné le professeur Sala.
« L’outil pourrait être appliqué pour stratifier le risque de chaque patient individuel dans le cadre de futures recherches cliniques menées à la Policlinico Gemelli en collaboration avec l’équipe du professeur Giovanni Scambia, titulaire de la chaire de gynécologie et d’obstétrique de la faculté de médecine et de chirurgie de l’université catholique et directeur scientifique de la Fondation Policlinico Universitario Agostino Gemelli IRCCS », conclut le professeur Sala.
