Tumeurs d'origine inconnue, l'intelligence artificielle reconstitue le « chemin » des métastases à rebours
Un groupe de scientifiques de l'Université médicale de Tianjin (Tmu), en Chine, vient de développer un outil numérique, basé sur un algorithme d'intelligence artificielle, capable d'analyser les images de cellules métastatiques et d'identifier la localisation de la tumeur primitive avec une plus grande précision que les oncologues humains. . Un modèle, écrivent les auteurs de la recherche dans les pages du magazine Médecine naturellece qui pourrait contribuer à améliorer le diagnostic et le traitement des cancers à des stades plus avancés, et potentiellement augmenter l'espérance de vie des patients.
D'où vient le cancer ?
La connaissance de l'origine d'une certaine métastase est un facteur crucial pour augmenter la probabilité de succès des thérapies. Malheureusement, de nombreuses tumeurs sont capables de se développer sans donner de symptômes et sans être détectées, et se propager à des organes et à des régions du corps même très éloignées de leur origine : pour cette raison, dans certains cas, il est très difficile de reconstruire le « chemin » de la métastase et remonter à la tumeur primaire. Dans environ cinq cas sur cent, l’origine de la tumeur ne peut être identifiée et le pronostic pour le patient est presque toujours défavorable. À l'heure actuelle, la méthode de diagnostic la plus efficace pour « démasquer » les métastases repose sur une recherche de similarité : les cellules d'une métastase pulmonaire provenant d'une tumeur du sein, par exemple, « ressemblent » d'une certaine manière aux cellules d'une tumeur du sein. C’est en analysant ces similitudes, justement, que les oncologues tentent de déduire la localisation de la tumeur primitive.
Le regard de l'Ai
C’est ici qu’intervient l’intelligence artificielle, qui est, entre autres, devenue de plus en plus compétente ces dernières années dans le domaine de la reconnaissance et de la classification d’images : Tian Li Xiangchun et collègues, un groupe de bioinformaticiens Tmu spécialisés dans l'apprentissage en profondeur, ont développé un algorithme spécialisé dans l'analyse d'images de cellules métastatiques. Le modèle a été formé sur environ 30 000 images de cellules prélevées dans le liquide pulmonaire ou abdominal de plus de 21 000 patients atteints de cancer chez lesquels l'origine de la tumeur primitive était connue : de cette manière, l'algorithme a « appris » à associer une image spécifique à un origine spécifique; par la suite, il a été testé sur 27 000 autres images – toujours liées à des patients présentant des tumeurs primaires connues – et a pu identifier correctement la source de la tumeur dans 83 % des cas. En réalité, le modèle fournit une liste de « candidats » possibles à la tumeur primitive, classés par probabilité : dans 99 % des cas, la bonne réponse se trouvait dans les trois premières réponses de l'algorithme.
Une liste de possibilités
Ayez une liste de possibilités pour la tumeur primitive, expliquent-ils ci-dessus Nature, est très utile pour les oncologues, car il réduit le nombre de tests supplémentaires – et souvent invasifs – nécessaires au bon diagnostic. Dans l’étude récemment publiée, les prévisions étaient limitées à 12 types de cancer (y compris le cancer du poumon, de l’ovaire, de l’estomac et du sein) car les autres types (y compris la prostate et le rein) ne se propagent généralement pas dans les fluides pulmonaires et abdominaux ; mais on pourrait penser, à l'avenir, à étendre l'analyse à des cellules prélevées ailleurs, afin d'élargir les possibilités de diagnostic du système, ainsi qu'à l'intégrer à des instruments fonctionnant selon des principes similaires mais analysant d'autres informations (par exemple des échantillons de tissus ou données génomiques) pour améliorer encore sa précision.
