L'image IRM montre une tumeur cérébrale dans un endroit peu propice, – et une biopsie cérébrale entraînera des risques élevés pour le patient, qui nous avait consultés en raison d'une double vision. Des situations telles que cette discussion de cas, citées par exemple, dans une équipe multidisciplinaire d'experts en médecine du cancer ont incité des chercheurs à Charité – Universitätsmedizin Berlin, ainsi que des partenaires de coopération, à rechercher de nouvelles procédures de diagnostic. Le résultat est un modèle d'IA. Le modèle utilise des caractéristiques spécifiques dans le matériau génétique des tumeurs – leur empreinte digitale épigénétique, obtenue par exemple à partir de liquide céphalo-rachidien, entre autres. Comme l'équipe le montre dans le journal Cancer de la naturele nouveau modèle classe les tumeurs rapidement et de manière très fiable.
Aujourd'hui, beaucoup plus de types de tumeurs sont connus que les organes à partir desquels ils proviennent. Chaque tumeur a ses propres caractéristiques, certaines caractéristiques des tissus, les taux de croissance et les particularités métaboliques. Néanmoins, les types de tumeurs avec des caractéristiques moléculaires similaires peuvent être regroupés. Le traitement de la maladie individuelle dépend de manière décisive du type de tumeur. De nouvelles thérapies ciblées abordent certaines structures de cellules tumorales ou bloquent leurs voies de signalisation afin d'arrêter la croissance des tissus pathologiques. Les chimiothérapies peuvent être sélectionnées en fonction du type de tumeur et leur dosage ajusté en conséquence. En particulier dans le cas de types de tumeurs rares, il peut être possible de poursuivre des thérapies innovantes dans le cadre des études.
Dans le contexte de la médecine du cancer de plus en plus personnalisée et en développement rapide, un diagnostic précis dans un centre tumoral certifié est la voie à suivre pour un traitement réussi. «
Prof. Martin E. Kreis, médecin-chef de Charité
Alors qu'une analyse moléculaire, cellulaire et fonctionnelle complète d'une tumeur basée sur des échantillons de tissus fournit les informations nécessaires, les médecins sont également confrontés à des cas dans lesquels il n'est pas possible ou très risqué d'extraire des échantillons de tissu de la tumeur. De plus, même un examen histologique seul n'est pas capable de fournir un diagnostic aussi précis que le nouveau modèle d'IA.
Regarder dans le génome plutôt que dans le tissu
Une méthode a été établie pour caractériser les tumeurs cérébrales qui ne sont pas basées sur des diagnostics microscopiques conventionnels, mais plutôt sur les modifications du matériel génétique de la tumeur, les caractéristiques épigénétiques. Ils font partie de la mémoire de chaque cellule et déterminent quelles parties des informations génétiques sont lues et quand. « Des centaines de milliers de modifications épigénétiques agissent comme des commutateurs sur et hors des sections de gènes individuelles. Leurs modèles forment une empreinte digitale unique et indubitable », explique le Dr Philipp Euskirchen, scientifique du site de Berlin du consortium du cancer allemand et à l'Institut de neuropathologie de Charité, qui dirige l'étude récemment publiée. « Dans les cellules tumorales, les informations épigénétiques sont modifiées de manière caractéristique. En fonction de leurs profils, nous pouvons faire la différence entre les tumeurs et les classer. » Dans le cas des tumeurs cérébrales, même un échantillon du liquide céphalo-rachidien est suffisant dans certains cas, et peut être obtenu relativement facilement – une distribution complètement de la chirurgie.
Afin de comparer une empreinte digitale inconnue avec des milliers d'empreintes digitales connues de différents cancers et de les attribuer à un type de tumeur spécifique, des méthodes d'apprentissage automatique, c'est-à-dire de l'intelligence artificielle, sont nécessaires étant donné que les données sont très étendues et complexes. De plus, différentes méthodes de séquençage d'ADN ont été appliquées dans le passé. De plus, les analyses épigénétiques sont généralement limitées aux modèles définis et aux segments de gènes qui sont typiques des types de tumeurs individuels. « Par conséquent, notre objectif était de développer un modèle qui classe avec précision les tumeurs, même s'ils ne sont basés que sur des parties de l'ensemble de l'épigénome tumoral ou les profils ont été collectés au moyen de différentes techniques et de divers degrés de précision », en tant que bioinformaticien Dr. Sören Lukassen, chef du groupe de travail médical de Berlin de Berlin de la santé à Charted (Bih), a déclaré.
Fiable et traçable
Un modèle d'IA nouvellement développé passe le nom de Crossnn, dont l'architecture est basée sur un simple réseau neuronal. Le modèle a été formé avec un grand nombre de tumeurs de référence et a ensuite été testé sur plus de 5 000 tumeurs. « Notre modèle permet un diagnostic très précis des tumeurs cérébrales dans 99,1% de tous les cas et est plus précis que les solutions d'IA à l'œuvre à ce jour », comme le rapporte Philipp Euskirchen. « De plus, nous avons pu entraîner un modèle d'IA de la même manière qui peut faire la différence entre plus de 170 types de tumeurs de tous les organes, tout en atteignant une précision de 97,8%. Cela signifie qu'il peut être utilisé pour les cancers de tous les organes, en plus des tumeurs cérébrales relativement rares. » Le facteur décisif des approbations futures de l'application clinique est que les modèles sont entièrement explicables, c'est-à-dire qu'il doit être possible de comprendre comment les décisions sont prises.
L'empreinte moléculaire que le modèle AI reçoit pour la détermination peut provenir d'un échantillon de tissu ou de fluides corporels. Dans le cas de tumeurs cérébrales spécifiques, le Département de neuropathologie de Charité propose déjà des diagnostics non invasifs basés sur le liquide céphalorachidien, connu sous le nom de biopsie liquide. Cela permet un diagnostic d'être posé sans une opération stressante, également dans des situations difficiles. Le patient qui nous a consulté Double Vision était l'un des bénéficiaires. « Nous avons examiné le liquide céphalo-rachidien en utilisant le séquençage des nanopores, une nouvelle forme, très rapide et efficace d'analyse génétique. La classification par nos modèles a révélé qu'il s'agissait d'un lymphome du système nerveux central, nous permettant d'initier rapidement une chimiothérapie appropriée », explique Philipp Euskirchen.
Crossnn dans les essais cliniques
La précision de la méthodologie a même pris les chercheurs par surprise. « Bien que l'architecture de notre modèle d'IA soit beaucoup plus simple que les approches précédentes et reste donc explicable, elle offre des prédictions plus précises et donc une plus grande certitude diagnostique », explique Sören Lukassen. Avec le German Cancer Consortium (DKTK), l'équipe de recherche prévoit donc des essais cliniques avec Crossnn aux huit emplacements DKTK en Allemagne. De plus, l'utilisation peropératoire doit également être testée. L'objectif est de transférer la détermination tumorale précise et relativement peu coûteuse basée sur des échantillons d'ADN aux soins de routine.
