Depuis plus de trois décennies, les médecins ne disposent pas d’un test de diagnostic précoce très précis du cancer de l’ovaire. Aujourd’hui, des scientifiques du Georgia Tech Integrated Cancer Research Center (ICRC) ont combiné l’apprentissage automatique avec des informations sur les métabolites sanguins pour développer un nouveau test capable de détecter le cancer de l’ovaire avec une précision de 93 % parmi les échantillons du groupe d’étude de l’équipe.
John McDonald, professeur émérite à l’École des sciences biologiques, directeur fondateur du CICR et auteur correspondant de l’étude, explique que la précision du nouveau test est meilleure pour détecter le cancer de l’ovaire que les tests existants pour les femmes cliniquement classées comme normales, avec une amélioration particulière dans la détection d’une maladie ovarienne à un stade précoce dans cette cohorte.
Les résultats et les méthodologies de l’équipe sont détaillés dans un nouvel article, « Une approche probabiliste personnalisée du diagnostic du cancer de l’ovaire », publié dans le numéro en ligne de mars 2024 de la revue médicale. Oncologie gynécologique. Basé sur leurs modèles informatiques, les chercheurs ont développé ce qu’ils croient être une approche cliniquement plus utile au diagnostic du cancer de l’ovaire – ; grâce à quoi le profil métabolique individuel d’un patient peut être utilisé pour attribuer une probabilité plus précise de la présence ou de l’absence de la maladie.
Cette approche personnalisée et probabiliste du diagnostic du cancer est plus informative et plus précise sur le plan clinique que les tests binaires traditionnels (oui/non). Cela représente une nouvelle direction prometteuse dans la détection précoce du cancer de l’ovaire, et peut-être également d’autres cancers. »
John McDonald, professeur émérite à l’École des sciences biologiques, directeur fondateur du CICR et auteur correspondant de l’étude
Les co-auteurs de l’étude comprennent également Dongjo Ban, titulaire d’un doctorat en bioinformatique. étudiant dans le laboratoire de McDonald’s; Chercheurs scientifiques Stephen N. Housley, Lilya V. Matyunina et L. DeEtte (Walker) McDonald ; Le professeur Jeffrey Skolnick de Regents, qui occupe également le poste de titulaire de la chaire Mary et Maisie Gibson à l’École des sciences biologiques et à l’éminent chercheur en biologie des systèmes computationnels de la Georgia Research Alliance ; et deux médecins collaborateurs : le professeur Victoria L. Bae-Jump de l’Université de Caroline du Nord et le fondateur et PDG de l’Ovarian Cancer Institute d’Atlanta, Benedict B. Benigno. Les membres de l’équipe de recherche forment une startup pour transférer et commercialiser la technologie, et prévoient de rechercher les essais requis et l’approbation de la FDA pour le test.
Tueur silencieux
Le cancer de l’ovaire est souvent qualifié de tueur silencieux parce que la maladie est généralement asymptomatique lorsqu’elle apparaît pour la première fois – ; et n’est généralement détecté qu’aux stades ultérieurs du développement, lorsqu’il est difficile à traiter.
McDonald explique que tandis que le taux de survie moyen sur cinq ans des patientes atteintes d’un cancer de l’ovaire à un stade avancé, même après traitement, est d’environ 31 pour cent – ; mais que si le cancer de l’ovaire est détecté et traité tôt, le taux de survie moyen sur cinq ans est supérieur à 90 pour cent.
« De toute évidence, il existe un énorme besoin d’un test de diagnostic précoce et précis pour cette maladie insidieuse », déclare McDonald.
Et bien que le développement d’un test de détection précoce du cancer de l’ovaire ait été vigoureusement poursuivi pendant plus de trois décennies, le développement de tests de diagnostic précoces et précis s’est révélé difficile. Étant donné que le cancer commence au niveau moléculaire, explique McDonald, il existe de multiples voies possibles capables de conduire au même type de cancer.
« En raison de cette hétérogénéité moléculaire de haut niveau parmi les patientes, l’identification d’un seul biomarqueur diagnostique universel du cancer de l’ovaire n’a pas été possible », explique McDonald. « Pour cette raison, nous avons choisi d’utiliser une branche de l’intelligence artificielle – l’apprentissage automatique – pour développer une approche probabiliste alternative au défi du diagnostic du cancer de l’ovaire. »
Profils métaboliques
Dongjo Ban, co-auteur de Georgia Tech, dont la thèse a contribué à l’étude, explique que « parce que l’on sait que les changements finaux au niveau métabolique reflètent des changements sous-jacents opérant collectivement à plusieurs niveaux moléculaires, nous avons choisi les profils métaboliques comme épine dorsale ». de notre analyse. »
« L’ensemble des métabolites humains est une mesure collective de la santé des cellules », ajoute le co-auteur Jeffrey Skolnick, « et en ne choisissant pas arbitrairement un sous-ensemble à l’avance, on laisse l’intelligence artificielle déterminer quels sont les acteurs clés pour un élément donné. individuel. »
La spectrométrie de masse peut identifier la présence de métabolites dans le sang en détectant leurs signatures de masse et de charge. Cependant, dit Ban, la composition chimique précise d’un métabolite nécessite une caractérisation beaucoup plus approfondie.
Ban explique que parce que la composition chimique précise de moins de sept pour cent des métabolites circulant dans le sang humain a été jusqu’à présent caractérisée chimiquement, il est actuellement impossible d’identifier avec précision les processus moléculaires spécifiques contribuant au profil métabolique d’un individu.
Cependant, l’équipe de recherche a reconnu que, même sans connaître la composition chimique précise de chaque métabolite individuel, la simple présence de différents métabolites dans le sang de différents individus, détectée par spectrométrie de masse, peut être incorporée comme caractéristique dans la construction de des modèles prédictifs précis basés sur l’apprentissage automatique (similaires à l’utilisation de caractéristiques faciales individuelles dans la création d’algorithmes de reconnaissance de formes faciales).
« On sait que des milliers de métabolites circulent dans le sang humain et peuvent être détectés facilement et avec précision par spectrométrie de masse et combinés à l’apprentissage automatique pour établir un diagnostic précis du cancer de l’ovaire », explique Ban.
Une nouvelle approche probabiliste
Les chercheurs ont développé leur approche intégrative en combinant des profils métabolomiques et des classificateurs basés sur l’apprentissage automatique pour établir un test de diagnostic avec une précision de 93 % lorsqu’il a été testé sur 564 femmes de Géorgie, de Caroline du Nord, de Philadelphie et de l’ouest du Canada. 431 des participantes à l’étude étaient des patientes actives atteintes d’un cancer de l’ovaire, tandis que les 133 femmes restantes de l’étude n’avaient pas de cancer de l’ovaire.
D’autres études ont été lancées pour étudier la possibilité que le test soit capable de détecter la maladie à un stade très précoce chez les femmes ne présentant aucun symptôme clinique, explique McDonald.
McDonald anticipe un avenir clinique dans lequel une personne présentant un profil métabolique se situant dans une plage de scores rendant le cancer très improbable n’aurait besoin que d’une surveillance annuelle. Mais une personne dont le score métabolique se situe dans une fourchette où la majorité (disons, 90 %) ont déjà reçu un diagnostic de cancer de l’ovaire serait probablement surveillée plus fréquemment – ; ou peut-être immédiatement référé à un dépistage avancé.
