Recours à l'intelligence artificielle

Une signature radiomique prédictive de réponse à l'immunothérapie

Par
Publié le 18/09/2018
IA

IA
Crédit photo : Phanie

On sait que l’environnement tumoral influe sur le succès de l’immunothérapie. Notamment, plus l’infiltration tumorale lymphocytaire, en particulier en LT CD8, est importante, plus la tumeur est sensible aux anti-PD1/PDL1. Mais comment évaluer cette infiltration ? C’est là qu’intervient l’intelligence artificielle.

Le groupe de chercheurs a conçu et « entraîné » un algorithme à analyser des images de scanners tumoraux et à en déterminer une « signature radiomique ». En effet, en radiomique, on considère que l’imagerie (scanner, IRM, échographie) reflète non seulement l’organisation et l’architecture des tissus, mais aussi leur composition moléculaire ou cellulaire. C’est pourquoi une analyse fine utilisant des algorithmes peut permettre d’en extraire des informations non perceptibles à l’œil nu tels l’hétérogénéité, la texture ou le micro-environnement d’une tumeur.

Mais cette signature radiomique ne tombe pas du ciel. L’algorithme intelligent l’a apprise, affinée, validée à partir des scanners d’une série de 500 patients de l’étude Moscato*. Et comme dans cette étude on connaît la génomique des tumeurs, cette signature radiomique a pu ensuite être validée au regard des caractéristiques cliniques, histologiques et génomiques tumorales de ces mêmes patients. Et ça marche… L’algorithme arrive à partir des images scanners à la même conclusion que la génomique, notamment sur la présence ou non de LT CD8 intratumoraux. La signature radiomique permet donc bien de donner un score prédictif de réponse à l’immunothérapie.

Depuis, cette signature radiomique a été testée, validée dans d’autres cohortes rétrospectives, en particulier celle de TCGA (The Cancer Genome Atlas). Mais elle a aussi été testée en situation clinique réelle dans des essais d’immunothérapie de phase I. Les patients répondeurs à 3-6 mois y avaient effectivement obtenu des scores radiomiques plus élevés à l’inclusion.

Pour affiner la signature, d’autres études restent néanmoins nécessaires. « Nous devons en particulier augmenter le nombre de patients étudiés, et les segmenter par types de cancers », expliquent les auteurs.

* DOI : https://doi.org/10.1016/S1470-2045(18)30413-3

Pascale Solere

Source : lequotidiendumedecin.fr