Des modèles d’apprentissage automatique permettant d’identifier le moyen le plus simple de dépister le cancer du poumon ont été développés par des chercheurs de l’UCL et de l’Université de Cambridge, rapprochant ainsi le dépistage personnalisé.
Le modèle s’est avéré aussi efficace, voire meilleur, pour prédire le risque d’un individu de développer un cancer du poumon dans les cinq ans, par rapport aux meilleurs modèles de risque disponibles, et a pu le faire en utilisant seulement un quart des informations nécessaires. Les résultats sont publiés dans Médecine PLOS.
Le cancer du poumon est la cause la plus fréquente de décès par cancer dans le monde, avec un taux de survie faible en l’absence de détection précoce. On estime qu’il y a eu 1,8 million de décès par cancer du poumon dans le monde en 2020.
Le dépistage du cancer du poumon chez les personnes à haut risque pourrait réduire la mortalité spécifique au cancer du poumon de 20 à 24 % parmi les personnes dépistées, mais la manière idéale de déterminer si une personne présente un risque élevé reste incertaine et les approches existantes nécessitent beaucoup de ressources.
Le Royaume-Uni prévoit actuellement un programme national de dépistage du cancer du poumon, qui inclura les personnes âgées de 55 à 74 ans ayant déjà fumé, en utilisant un modèle de risque basé sur 17 questions. La collecte de ces informations est complexe et prend du temps et nécessitera un centre d’appels comptant entre 50 et 100 personnes pour collecter les données d’un million de personnes.
Dans cette étude, des chercheurs de l’UCL et de l’Université de Cambridge ont utilisé les données de la biobanque britannique et du National Lung Screening Trial des États-Unis pour développer des modèles visant à simplifier la prédiction d’un cancer du poumon chez une personne au cours des cinq prochaines années.
L’équipe a utilisé les ensembles de données pour expérimenter plus de 60 pipelines d’apprentissage automatique différents afin de voir lesquels étaient les plus efficaces pour prédire le risque de cancer du poumon en utilisant seulement trois variables : l’âge, le nombre d’années pendant lesquelles l’individu fumait et le nombre moyen de cigarettes par jour.
À partir de ceux-ci, ils ont sélectionné quatre pipelines de modèles et les ont combinés en un « ensemble » capable de prédire le risque de cancer du poumon avec une précision identique ou améliorée, par rapport aux meilleurs modèles disponibles actuellement utilisés. Plus important encore, ils ont pu atteindre cette précision en utilisant seulement un tiers des variables, simplifiant ainsi considérablement le processus de collecte des données requises.
M. Tom Callender (UCL Medicine), premier auteur de l’étude, a déclaré : « Le dépistage du cancer et d’autres maladies sauve des vies et nous sommes de plus en plus en mesure de personnaliser ce processus. Mais de tels programmes personnalisés de dépistage et de prévention des maladies présentent d’importants défis logistiques à grande échelle. Notre étude montre que l’intelligence artificielle peut être utilisée pour prédire avec précision le risque de cancer du poumon en utilisant seulement trois éléments d’information qui seraient faciles à recueillir lors de rendez-vous de routine chez le médecin généraliste, en ligne ou via des applications. Cette approche a le potentiel de simplifier considérablement le dépistage du cancer du poumon au niveau de la population. cancer et contribuer à en faire une réalité.
Les modèles utilisés dans l’étude ont été validés en externe dans le cadre de l’essai américain de dépistage du cancer de la prostate, du poumon, du colorectal et de l’ovaire et comparés à des modèles utilisés ou ayant obtenu de bons résultats lors d’analyses précédentes. Les auteurs pensent que la même approche pourrait être viable pour simplifier le processus de dépistage d’autres maladies, telles que le diabète de type 2 et les maladies cardiovasculaires.
Cette recherche est un excellent exemple de la façon dont les outils d’apprentissage automatique tels qu’AutoPrognosis, associés à des chercheurs cliniques innovants, peuvent avoir un réel impact sur les soins de santé au niveau de la population. Bien que l’AutoPrognosis ait déjà été appliqué pour la prévision des risques et le pronostic de nombreuses maladies, c’est la première fois qu’il est utilisé pour déterminer les informations minimales nécessaires au dépistage des patients. Je pense que c’est l’avenir de la médecine préventive et je suis optimiste que la même approche pourrait être appliquée au dépistage d’autres maladies. »
Professeur Mihaela van der Schaar, auteur de l’étude, Université de Cambridge
Les auteurs espèrent que les résultats seront utilisés pour rendre tout programme national de dépistage du cancer du poumon plus rapide, plus facile et moins coûteux à mettre en œuvre, tout en atteignant l’objectif principal de réduire la mortalité par cancer du poumon.
Le professeur Sam Janes (UCL Medicine), auteur principal de l’étude, a déclaré : « C’est une excellente nouvelle que le Royaume-Uni travaille à un programme national de dépistage du cancer du poumon, qui reste la principale cause de décès liés au cancer dans ce pays. Mais comme nous l’avons vu aux États-Unis, où le taux de participation au programme de dépistage n’est que de huit pour cent, il y a des obstacles à surmonter. Pour qu’un programme national de dépistage fonctionne, il devra être réalisable et réussir à obtenir » Les gens à participer. Nos résultats sont de bonnes nouvelles sur les deux plans. «
Ce travail a été soutenu par Wellcome, la National Science Foundation, le Medical Research Council et Cancer Research UK.
