Cancer : quand l’IA sélectionne la bonne thérapie ciblée

01 juillet 2021

Comment être sûr qu’une thérapie ciblée soit la plus adaptée à chaque tumeur ? En misant sur la technologie de l’intelligence artificielle (IA). Faisons le point sur cette avancée, décryptée par l’Institut Curie.

La recherche dans le traitement des cancers continue d’avancer. Dernière innovation en date, la technologie d’une start-up hongroise, Oncompass, basée sur l’IA permet de personnaliser encore plus précisément chaque thérapie ciblée en fonction du profil tumoral.

Un réponse de l’IA en 20 millisecondes

Ce 29 juin, l’Institut Curie a fait le point sur cette approche capable de « déterminer en 20 millisecondes les options de thérapies ciblées pour les patients atteints d’un cancer ». Ce résultat est issu de l’analyse des données cliniques et génomiques des patients traités dans l’essai SHIVA01, le tout premier essai clinique mené à partir de l’analyse biologique d’une tumeur.

« Aujourd’hui, nous allons plus loin dans la médecine de précision avec un outil d’intelligence artificielle qui permet de tenir compte de l’ensemble du profil moléculaire de la tumeur de chaque patient pour hiérarchiser les altérations moléculaires », souligne le Pr Christophe Le Tourneau, oncologue-médical, chef du département d’essais cliniques précoces et d’innovation (D3i) à l’Institut Curie*. « Ceci n’est pas manuellement possible étant donné les innombrables données scientifiques existantes. » Et pour cause : « chaque cancer peut présenter une combinaison de 4 à 5 altérations génétiques parmi les 6 millions possibles sur 600 gènes. »

Comment ça marche ?

Le logiciel d’IA engrange tout un tas d’informations lui permettant de faire le lien entre « différentes altérations génétiques, les cibles pouvant recevoir des médicaments et plus de 1 500 thérapies issues de pratiques ou d’essais cliniques sur plus de 400 types de tumeurs ». Un algorithme unique permet alors de calculer la prédiction d’un score mathématique, l’« aggregated evidence level » ou « AEL » (niveau de preuve cumulé). Ce score sert à « identifier la thérapie ciblée ou immunothérapie en recherchant les cibles les plus pertinentes et en les associant aux altérations génétiques les plus graves », précise Curie. « L’objectif est de choisir une thérapie qui soit efficace contre une certaine combinaison de plusieurs altérations génétiques au sein de la tumeur du patient. »

Pour vérifier l’efficacité de cette technologie, « les altérations génétiques présentes dans les tumeurs de 113 patients (de l’étude SHIVA01 ndlr) atteints de différents cancers solides ont été intégrées dans le logiciel, puis les scores AEL des thérapies prescrites (…) ont été calculés ». Par cette méthode, « les chercheurs ont ainsi découvert que les scores AEL des thérapies efficaces étaient trois fois plus élevés que ceux des thérapies moins efficaces. » Un moyen pertinent pour déterminer laquelle des thérapies est la plus adaptée au patient.

Et les résultats sont là : « les patients traités avec des thérapies ciblées au score AEL élevé présentaient une durée de survie sans progression statistiquement plus longue que ceux traités par des thérapies avec un score AEL plus faible. »

*et investigateur principal de l’essai SHIVA01

  • Source : Institut Curie, le 29 juin 2021 - Petak, I., Kamal, M., Dirner, A. et al. A computational method for prioritizing targeted therapies in precision oncology: performance analysis in the SHIVA01 trial. npj Precis. Onc. 5, 59 (2021). https://doi.org/10.1038/s41698-021-00191-2, 23 juin 2021

  • Ecrit par : Laura Bourgault - Edité par : Emmanuel Ducreuzet

Aller à la barre d’outils