Des scientifiques développent un outil d’IA pour prédire comment les patients atteints de cancer réagiront à l’immunothérapie

Dans une étude de validation de principe, des chercheurs des National Institutes of Health (NIH) ont développé un outil d'intelligence artificielle (IA) qui utilise des données cliniques de routine, telles que celles d'un simple test sanguin, pour prédire si le cancer d'une personne réagira. aux inhibiteurs de point de contrôle immunitaire, un type de médicament d’immunothérapie qui aide les cellules immunitaires à tuer les cellules cancéreuses.

Le modèle d'apprentissage automatique peut aider les médecins à déterminer si les médicaments d'immunothérapie sont efficaces pour traiter le cancer d'un patient. L'étude, publiée le 3 juin 2024 dans Cancer naturel, a été dirigé par des chercheurs du Center for Cancer Research du National Cancer Institute (NCI) et du Memorial Sloan Kettering Cancer Center à New York. NCI fait partie des National Institutes of Health.

Actuellement, deux biomarqueurs prédictifs sont approuvés par la Food and Drug Administration pour être utilisés dans l'identification des patients susceptibles d'être candidats à un traitement avec des inhibiteurs de points de contrôle immunitaires. Le premier est la charge mutationnelle tumorale, qui correspond au nombre de mutations dans l’ADN des cellules cancéreuses. La seconde est PD-L1, une protéine des cellules tumorales qui limite la réponse immunitaire et est la cible de certains inhibiteurs de points de contrôle immunitaires.

Cependant, ces biomarqueurs ne prédisent pas toujours avec précision la réponse aux inhibiteurs de points de contrôle immunitaires. Des modèles récents basés sur la machine et utilisant des données de séquençage moléculaire se sont révélés utiles pour prédire la réponse, mais ce type de données est coûteux à obtenir et n'est pas collecté systématiquement.

La nouvelle étude détaille un autre type de modèle d'apprentissage automatique qui fait des prédictions basées sur cinq caractéristiques cliniques régulièrement collectées auprès des patients : l'âge du patient, le type de cancer, les antécédents de traitement systémique, le taux d'albumine dans le sang et le rapport entre les neutrophiles et les lymphocytes dans le sang. ratio, un marqueur de l’inflammation.

Le modèle prend également en compte la charge mutationnelle de la tumeur, évaluée par le biais de panels de séquençage. Le modèle a été construit et évalué à l’aide de données provenant de plusieurs ensembles de données indépendants comprenant 2 881 patients traités avec des inhibiteurs de points de contrôle immunitaires dans 18 types de tumeurs solides.

Le modèle a prédit avec précision la probabilité qu'un patient réponde à un inhibiteur de point de contrôle immunitaire et sa durée de vie, à la fois globalement et avant le retour de la maladie. Notamment, ont indiqué les chercheurs, le modèle a également pu identifier les patients présentant une faible charge mutationnelle tumorale qui pouvaient encore être traités efficacement par immunothérapie.

Les chercheurs ont noté que des études prospectives plus vastes sont nécessaires pour évaluer davantage le modèle d’IA en milieu clinique. Ils ont rendu public leur modèle d’IA, appelé Logistic Regression-Based Immunotherapy-Response Score (LORIS). L'outil estime la probabilité qu'un patient réponde aux inhibiteurs de points de contrôle immunitaires sur la base de données sur les six variables décrites ci-dessus.

L'étude a été co-dirigée par Eytan Ruppin, MD, Ph.D., du Centre de recherche sur le cancer du NCI et Luc GT Morris, MD, du Memorial Sloan Kettering Cancer Center. Le travail a été dirigé par Tiangen Chang, Ph.D., et Yingying Cao, Ph.D., du groupe du Dr Ruppin au Centre de recherche sur le cancer du NCI.