Un nouvel outil d’intelligence artificielle pour prédire les réponses à l’immunothérapie dans le traitement du cancer

Le 3 juin 2024, des chercheurs des National Institutes of Health (NIH) ont publié une étude dans le journal Nature Cancer, présentant un nouvel outil d’intelligence artificielle (IA) destiné à évaluer la réponse potentielle des patients atteints de cancer aux inhibiteurs de point de contrôle immunitaire.

Cet outil, fondé sur l’apprentissage automatique (ML), pourrait devenir essentiel pour aider les prestataires de soins à déterminer l’opportunité de commencer un traitement d’immunothérapie chez un patient.

Les médicaments bloquant les points de contrôle immunitaires ont transformé le paysage des soins contre le cancer, mais un défi majeur persiste : prédire avec précision la réponse des patients. Actuellement, la FDA n’a approuvé que deux biomarqueurs prédictifs pour identifier les candidats à l’immunothérapie : la charge mutationnelle tumorale et l’expression du ligand 1 de mort cellulaire programmée (PD-L1). La charge mutationnelle tumorale quantifie le nombre de mutations dans les cellules cancéreuses, tandis que PD-L1, une protéine qui limite la réponse immunitaire, est ciblée par de nombreux médicaments d’immunothérapie. Cependant, ces biomarqueurs ne sont pas toujours précis dans leurs prédictions.

L’Étude et l’Innovation

L’étude publiée dans Nature Cancer a examiné d’importants ensembles de données de patients atteints de 18 types de tumeurs solides, présentant des caractéristiques cliniques, pathologiques et génomiques variées. Certains patients avaient été traités par des inhibiteurs de points de contrôle immunitaires, d’autres non. À partir de ces données, les chercheurs ont développé un outil d’IA qui fournit un score clinique appelé LORIS (Logistic Regression for Immunotherapy Response Score). Ce modèle de régression logistique à six caractéristiques prend en compte :

L’âge
Le type de cancer
Les antécédents de thérapie systémique
Les taux d’albumine sanguine
Le rapport neutrophiles/lymphocytes sanguins
La charge mutationnelle tumorale, évaluée à l’aide de panels de séquençage
Comparé aux biomarqueurs prédictifs existants, LORIS s’est avéré plus efficace pour prédire la réponse à l’immunothérapie et identifier les patients réactifs, indépendamment de la charge mutationnelle tumorale ou de l’expression de PD-L1.

Les implications cliniques

Les chercheurs ont noté que LORIS prédit systématiquement la réponse objective du patient et la survie à court et à long terme pour la plupart des types de cancer. De plus, LORIS montre une relation quasi monotone avec la probabilité de réponse aux inhibiteurs de point de contrôle (ICB) et la survie du patient, permettant une stratification précise des patients. En tant que méthode précise et interprétable utilisant quelques caractéristiques facilement mesurables, LORIS peut améliorer la prise de décision clinique en médecine de précision pour maximiser les bénéfices pour le patient.

Bien que des études supplémentaires soient nécessaires pour valider cet outil, la disponibilité d’un modèle d’IA permettant de prédire la réponse à l’immunothérapie peut guider les prestataires de soins dans la prescription du traitement de première intention le plus efficace. L’immunothérapie personnalisée pourrait devenir une réalité pour traiter le cancer du sein métastatique et d’autres cancers à un stade précoce, grâce à l’application de l’intelligence artificielle et de l’apprentissage automatique dans le traitement du cancer. (Pharmanews)