L’IA aide à réduire les radiations excessives pour les patients atteints de cancer

Tumisu/Pixabay

Source : Tumisu/Pixabay

Une nouvelle étude dans le Journal de l’Institut national du cancer montre comment l’apprentissage automatique de l’intelligence artificielle (IA) peut identifier les patients atteints d’un cancer de l’oropharynx attribué au VPH qui nécessitent une radiothérapie moins agressive afin d’obtenir un résultat favorable.

Le virus du papillome humain (VPH) est attribué à 70 pour cent des cancers situés dans la bouche ou au fond de la gorge (cancer oropharyngé ou carcinome épidermoïde oropharyngé) selon les Centers for Disease Control and Prevention (CDC) des États-Unis. En 2021, il y a eu plus de 54 000 nouveaux cas et 10 850 sont décédés des cancers de la cavité buccale et de l’oropharynx aux États-Unis selon les estimations de l’American Cancer Society.

Selon l’American Cancer Society, la radiothérapie est souvent utilisée pour traiter le cancer, seule ou en association avec la chirurgie, la chimiothérapie ou d’autres traitements. En radiothérapie, de fortes doses de puissants faisceaux d’énergie (protons, faisceaux d’électrons, rayons X ou rayons gamma) sont utilisées pour tuer la tumeur. Parfois, des cellules saines sont tuées au cours du processus, ce qui peut avoir un impact sur la qualité de vie des patients atteints de cancer.

Identifier les patients atteints d’un cancer du VPH à faible risque à l’aide d’OP-TIL

L’étude a été dirigée par Anant Madabhushi, professeur de génie biomédical à l’Institut Donnell à l’Université Case Western Reserve et directeur du Center for Computational Imaging and Personalized Diagnostics (CCIPD), et Germán Corredor Prada, chercheur associé au laboratoire CCIPD.

Les scientifiques ont cherché à utiliser l’IA pour identifier les patients atteints de cancer qui présentent non seulement un risque minimal de récidive et de décès, mais également dont le traitement pourrait être diminué sans affecter les taux de guérison. Pour atteindre cet objectif, l’équipe a développé un biomarqueur d’imagerie appelé OP-TIL qui pourrait identifier qui pourrait séparer les patients cancéreux en catégories de groupes à risque élevé ou faible afin d’identifier les candidats pour les essais cliniques de désescalade.

OP-TIL porte bien son nom, en tant que biomarqueur des lymphocytes infiltrant les tumeurs (TIL). Les lymphocytes sont un type de globule blanc qui protège le corps contre les infections. Les trois principaux types de lymphocytes sont les cellules tueuses naturelles (NK), les cellules T et les cellules B. Les lymphocytes infiltrant la tumeur sont des globules blancs qui ont quitté la circulation sanguine vers une tumeur.

Selon les chercheurs, les TIL « semblent avoir un effet protecteur grâce à une réponse immunitaire adaptative de l’hôte dirigée contre les antigènes viraux » et « une densité accrue de TIL est associée à un faible risque de récidive dans l’OPSCC de bas stade associé au HPV ».

« OP-TIL représente un biomarqueur basé sur l’imagerie potentiellement puissant, peu coûteux et facile à mettre à l’échelle qui peut être en mesure de sélectionner les patients de la cohorte OPSCC associée au VPH à faible risque qui sont néanmoins destinés à se reproduire », ont rapporté les chercheurs. « Cela peut les épargner d’un traitement de désescalade malavisé et ainsi améliorer les résultats pour les patients restants vraiment à faible risque pour lesquels la désescalade est plus appropriée. »

Pour créer le biomarqueur d’imagerie Op-TIL, les chercheurs ont utilisé des échantillons réels de 94 patients atteints de cancer pour la formation de modèles et la découverte de fonctionnalités et l’ont évalué sur des échantillons de 345 patients.

L’équipe a utilisé un modèle d’apprentissage en profondeur formé non modifié, en particulier un réseau accusatoire génératif (GAN), qui a été créé dans une étude distincte par Faisal Mahmood du Brigham and Women’s Hospital, de la Harvard Medical School et du Broad Institute of Harvard et du MIT avec ses collègues de recherche qui a été publié dans IEEE.

L’algorithme AI utilise des données d’image comme entrée et affiche l’emplacement des lymphocytes et des non-lymphocytes dans l’image. L’algorithme lymphocytaire a été entraîné sur des images pulmonaires. Malgré le fait que l’apparence des lymphocytes ne varie pas beaucoup selon les différents organes, l’équipe a validé la qualité du résultat avec un pathologiste humain expert.

Les chercheurs ont rapporté que leur solution était capable d’identifier les patients cancéreux qui auraient bénéficié de doses considérablement réduites de radiothérapie.

« OP-TIL peut identifier les patients OPSCC associés au VPH de stade I susceptibles d’être de mauvais candidats pour la désescalade du traitement », ont écrit les chercheurs. « Après la validation d’essais cliniques multi-institutionnels déjà terminés, OP-TIL a le potentiel d’être un biomarqueur, au-delà du stade clinique et du statut HPV, qui peut être utilisé en clinique pour optimiser la sélection des patients pour la désescalade. »

Copyright © 2022 Cami Rosso Tous droits réservés.