Un outil d’IA « autodidacte » aide à diagnostiquer et à prédire la gravité du cancer du poumon courant

Un programme informatique basé sur les données de près d’un demi-million d’images de tissus et alimenté par l’intelligence artificielle peut diagnostiquer avec précision les cas d’adénocarcinome, la forme la plus courante de cancer du poumon, selon une nouvelle étude.

Des chercheurs du Perlmutter Cancer Center de NYU Langone Health et de l'Université de Glasgow ont développé et testé le programme. Ils disent que parce qu'il intègre les caractéristiques structurelles des tumeurs de 452 patients atteints d'adénocarcinome, qui font partie des plus de 11 000 patients de l'Atlas du génome du cancer du National Cancer Institute des États-Unis, le programme offre un deuxième avis impartial, détaillé et fiable aux patients et aux oncologues. sur la présence du cancer ainsi que sur la probabilité et le moment de son retour (pronostic).

L'équipe de recherche souligne également que le programme est indépendant et « autodidacte », ce qui signifie qu'il a déterminé seul quelles caractéristiques structurelles étaient statistiquement les plus significatives pour évaluer la gravité de la maladie et avaient le plus grand impact sur la récidive tumorale.

Publication dans la revue Communications naturelles, le programme d’étude, également appelé algorithme – ou plus précisément apprentissage phénotypique histomorphologique (HPL) – s’est avéré capable de distinguer avec précision les cancers du poumon, les adénocarcinomes et les cancers épidermoïdes similaires, dans 99 % des cas. Le programme HPL s'est également révélé précis à 72 % pour prédire la probabilité et le moment du retour du cancer après le traitement, améliorant ainsi la précision de 64 % des prédictions faites par les pathologistes qui ont directement examiné les images tumorales des mêmes patients, selon les chercheurs.

« Notre nouveau programme d'apprentissage du phénotype histomorphologique a le potentiel d'offrir aux spécialistes du cancer et à leurs patients un outil de diagnostic rapide et impartial de l'adénocarcinome du poumon qui, une fois les tests supplémentaires terminés, peut également être utilisé pour les aider à valider et même à guider leurs décisions de traitement. a déclaré le chercheur principal de l'étude, Nicolas Coudray, Ph.D., programmeur en bioinformatique à la NYU Grossman School of Medicine et au Perlmutter Cancer Center.

“Les patients, les médecins et les chercheurs savent qu'ils peuvent s'appuyer sur cette modélisation prédictive car elle est autodidacte, fournit des décisions explicables et repose uniquement sur les connaissances tirées spécifiquement des tissus de chaque patient, y compris des caractéristiques telles que sa proportion de cellules mourantes, cellules immunitaires qui combattent les tumeurs et la densité des cellules tumorales, entre autres caractéristiques”, a déclaré Coudray.

“Les échantillons de tissus pulmonaires peuvent désormais être analysés en quelques minutes par notre programme informatique pour fournir des prédictions assez précises quant à la réapparition du cancer, des prédictions qui sont meilleures que les normes de soins actuelles pour établir un pronostic dans l'adénocarcinome du poumon”, a déclaré le co-investigateur principal de l'étude. Aristotelis Tsirigos, Ph.D. Tsirigos est professeur aux départements de pathologie et de médecine de la NYU Grossman School of Medicine et du Perlmutter Cancer Center, où il est également codirecteur de la médecine de précision et directeur de ses laboratoires de bioinformatique appliquée.

Tsirigos dit que grâce à ces outils et à d'autres progrès dans la biologie du cancer du poumon, les pathologistes examineront des scans de tissus sur leurs écrans d'ordinateur, et de moins en moins sur des microscopes, puis utiliseront leur programme d'IA pour analyser l'image et produire sa propre image du cancer du poumon. analyse.

La nouvelle image, ou « paysage », ajoutent-ils, offrira une ventilation détaillée du contenu du tissu. On pourrait noter, par exemple, qu'il y a 5 % de nécrose et 10 % d'infiltration tumorale et ce que cela signifie en termes de survie. Cette lecture peut statistiquement équivaloir à 80 % de chances de rester sans cancer pendant deux ans ou plus, sur la base des informations provenant de toutes les données des patients du programme.

Pour développer le programme HPL, les chercheurs ont d’abord analysé des lames de tissus d’adénocarcinome du poumon provenant de l’Atlas du génome du cancer. L'adénocarcinome a été choisi pour le modèle de test car la maladie est connue pour ses caractéristiques. À titre d’exemple, ils notent que ses cellules tumorales ont tendance à se regrouper selon des motifs dits acineux ou en forme de sac et à se propager de manière prévisible le long de la surface des cellules pulmonaires.

À partir de leur analyse des lames, dont les images visuelles ont été numérisées et divisées en 432 231 petits quadrants ou tuiles, les chercheurs ont découvert 46 caractéristiques clés, ce qu'ils appellent des groupes phénotypiques histomorphologiques, provenant de tissus normaux et malades, dont un sous-ensemble était statistiquement lié à soit le retour précoce du cancer, soit la survie à long terme. Les résultats ont ensuite été confirmés par des tests supplémentaires et distincts sur des images de tissus de 276 hommes et femmes traités pour un adénocarcinome à NYU Langone de 2006 à 2021.

Les chercheurs affirment que leur objectif est d’utiliser l’algorithme HPL pour attribuer à chaque patient un score compris entre 0 et 1 qui reflète ses chances statistiques de survie et de récidive tumorale jusqu’à cinq ans. Parce que le programme est auto-apprenant, ils soulignent que HPL deviendra de plus en plus précis à mesure que davantage de données seront ajoutées au fil du temps. Pour renforcer la confiance du public, les chercheurs ont publié leur code de programmation en ligne et prévoient de rendre le nouvel outil HPL disponible gratuitement une fois les tests approfondis terminés.

Les caractéristiques liées aux tumeurs récurrentes comprenaient des pourcentages élevés de cellules cancéreuses mortes et de cellules immunitaires combattant les tumeurs appelées lymphocytes, ainsi que le regroupement dense de cellules tumorales dans les parois externes des poumons. Les caractéristiques liées à une probabilité accrue de survie étaient des pourcentages élevés de tissu du sac pulmonaire inchangé ou préservé, ainsi que l'absence ou la présence légère de cellules inflammatoires.

Tsirigos dit que l'équipe prévoit ensuite d'envisager de développer des programmes de type HPL pour d'autres cancers, tels que celui du sein, de l'ovaire et colorectal, qui sont également basés sur des caractéristiques morphologiques distinctives et clés et des données moléculaires supplémentaires. L'équipe prévoit également d'élargir et d'améliorer l'exactitude du programme HPL actuel sur l'adénocarcinome en incluant d'autres données provenant des dossiers de santé électroniques des hôpitaux sur d'autres maladies et affections, ou même sur les revenus et le code postal de la maison.

Outre Tsirigos et Coudray, les autres chercheurs de NYU Langone impliqués dans cette étude sont Anna Yeaton, Bojing Liu, Hortense Le, Luis Chiriboga, Afreen Karimkhan, Navneet Natula, Christopher Park, Harvey Pass et Andre Moreira. Adalberto Claudio Quiros, co-chercheur principal de l'étude, Xinyu Yang et John Le Quesne, co-chercheurs de l'étude, et Ke Yuan, co-chercheur principal de l'étude, travaillent tous à l'Université de Glasgow, au Royaume-Uni. David Moore, co-chercheur de l'étude, travaille à l'University College de Londres, au Royaume-Uni.