Un modèle d'IA pour aider à localiser l'origine des cancers chez les patients
Les chercheurs du MIT et de l'Institut Dana-Farber Cancer ont développé une approche innovante pour déterminer l'origine des cancers inconnus chez certains patients.
Des chercheurs ont créé un modèle computationnel grâce à l'apprentissage automatique qui peut analyser la séquence d'environ 400 gènes pour prédire l'origine d'une tumeur dans le corps.
Un Progrès Significatif dans la Prédiction de l'Origine des Tumeurs
Pour une petite fraction des patients atteints de cancer, déterminer l'origine exacte de leur cancer peut se révéler difficile. Cela rend le choix du traitement compliqué, car la plupart des médicaments anticancéreux sont développés pour des types de cancers spécifiques.
Grâce à l'apprentissage automatique, ces chercheurs ont mis au point un modèle computationnel capable d'analyser les séquences d'environ 400 gènes pour prédire l'origine d'une tumeur. Selon leurs études, ce modèle a permis de classifier correctement au moins 40% des tumeurs d'origine inconnue avec une grande confiance.
Intae Moon, étudiant diplômé du MIT en génie électrique et en informatique, souligne que la découverte majeure de cette recherche est que le modèle pourrait être utilisé pour guider les décisions de traitement. Les médecins pourraient ainsi proposer des traitements personnalisés aux patients atteints de cancers d'origine inconnue.
Les Origines Mystérieuses des Cancers
Entre 3 et 5% des patients atteints de cancer, en particulier lorsque les tumeurs se sont métastasées dans tout le corps, les oncologues se trouvent dans l'incapacité de déterminer l'origine du cancer. Ces tumeurs sont classées comme des cancers d'origine primaire inconnue (CUP).
Alexander Gusev, professeur associé de médecine à la Harvard Medical School et à l'Institut Dana-Farber Cancer, précise que le manque de connaissance concernant ces tumeurs limite les options de traitement des patients.
Vers des Décisions Thérapeutiques Éclairées
Une étape supplémentaire pour valider les prédictions du modèle a été de comparer les données sur le temps de survie des patients CUP avec le pronostic typique pour le type de cancer que le modèle a prédit. Les patients CUP dont le cancer avait été prédit comme ayant un mauvais pronostic avaient effectivement des temps de survie plus courts.
De plus, en utilisant ce modèle, les chercheurs ont identifié 15% de patients supplémentaires qui auraient pu bénéficier d'un traitement ciblé existant si le type de leur cancer avait été identifié. Au lieu de cela, ces patients ont reçu des médicaments de chimiothérapie plus généraux.
Selon Gusev, cela rend ces découvertes potentiellement plus exploitables cliniquement, car cela ne nécessite pas l'approbation d'un nouveau médicament. Ce sont des traitements de précision déjà existants qui pourraient être utilisés.
Les chercheurs envisagent maintenant d'enrichir leur modèle avec d'autres types de données, comme les images de pathologie et de radiologie, afin d'offrir une prédiction encore plus complète.
Cette recherche a été financée par les Instituts Nationaux de la Santé, la Fondation Louis B. Mayer, la Fondation Caritative Doris Duke, la Phi Beta Psi Sorority, et l'Emerson Collective.
