Tirant parti de la puissance de l'IA et des technologies d'apprentissage automatique, les chercheurs de Weill Cornell Medicine ont développé un modèle plus efficace pour prédire comment les patients atteints d'un cancer de la vessie invasif des muscles réagiront à la chimiothérapie. Le modèle exploite les données d'imagerie tumorale à glissement entier et les analyses d'expression des gènes d'une manière qui surpasse les modèles précédents à l'aide d'un seul type de données.
L'étude, publiée le 22 mars dans NPJ Médecine numériqueIdentifie les gènes clés et les caractéristiques tumorales qui peuvent déterminer le succès du traitement. La capacité d'anticiper avec précision comment un individu réagira à la norme de traitement pour ce cancer malin peut aider les médecins à personnaliser le traitement et pourrait potentiellement sauver ceux qui réagissent bien de subir l'élimination de la vessie.
« Ce travail représente l'esprit de la médecine de précision », a déclaré le Dr Fei Wang, professeur de sciences de la santé de la population à Weill Cornell Medicine et directeur fondateur de l'Institute of Artificial Intelligence for Digital Health, qui co-dirige l'étude.
« Nous voulons identifier le bon traitement pour le bon patient au bon moment », a ajouté le co-dirigeant le Dr Bishoy Morris Faltas, le boursier de recherche MD Gellert Family – John P. Leonard en hématologie et en oncologie médicale et professeur agrégé de médecine et de biologie cellulaire et développemental au Weill Cornell Medicine, et un oncologue à Newyork-Presbyterian / Weill Cornell Medical Center.
Dr Zilong Bai, associé de recherche en sciences de la santé de la population, et le Dr Mohamed Osman, associé postdoctoral en médecine, chez Weill Cornell Medicine, a mené en collaboration ce travail.
Meilleur modèle, meilleures prédictions
Pour construire un meilleur modèle prédictif, les deux chercheurs principaux se sont associés. Alors que le laboratoire du Dr Wang se concentre sur l'exploration de données et les analyses d'apprentissage automatique de pointe, le Dr Faltas est un médecin-scientifique avec une expertise en biologie du cancer de la vessie.
Ils se sont tournés vers les données du Swog Cancer Research Network qui conçoit et mène des essais cliniques multicentriques pour les cancers des adultes. Plus précisément, les chercheurs ont intégré des données à partir d'images d'échantillons de tumeurs préparés avec des profils d'expression génique, qui fournissent un instantané des gènes qui sont « allumés » ou « off ».
« Étant donné que les modèles d'expression n'étaient pas suffisants pour prédire les réponses des patients dans des études précédentes, nous avons décidé de réaliser plus d'informations pour notre modèle », a déclaré le Dr Faltas, qui est également le directeur de recherche de l'Anglelander Institute for Precision Medicine et membre du Sandra et Edward Meyer Cancer Center de Weill Cornell Medicine.
Pour analyser les images, les chercheurs ont utilisé des méthodes d'IA spécialisées appelées réseaux de neurones graphiques, qui capturent comment les cellules cancéreuses, les cellules immunitaires et les fibroblastes sont organisées et interagissent au sein de la tumeur. Ils ont également incorporé l'analyse d'image automatisée pour identifier ces différents types de cellules sur le site tumoral.
La combinaison des entrées basées sur l'image avec les données d'expression des gènes pour former et tester leur modèle d'apprentissage en profondeur basé sur l'IA a entraîné de meilleures prévisions de réponse clinique que les modèles qui ont utilisé l'expression des gènes ou l'imagerie seule.
« Sur une échelle de 0 à 1, où 1 est parfait et 0 signifie que rien n'est correct, notre modèle multimodal obtient près de 0,8, tandis que les modèles unimodaux en s'appuyant sur une seule source de données peuvent atteindre environ 0,6 », a déclaré le Dr Wang. « C'est déjà excitant, mais nous prévoyons de perfectionner le modèle pour de nouvelles améliorations. »
La recherche de biomarqueurs
Alors que les chercheurs recherchent des biomarqueurs tels que des gènes prédictifs des résultats cliniques, ils trouvent des indices qui ont du sens. « Je pouvais voir certains des gènes que je connais sont biologiquement pertinents, pas seulement des gènes aléatoires », a déclaré le Dr Faltas. « C'était rassurant et un signe que nous étions sur quelque chose d'important. »
Les chercheurs prévoient de nourrir plus de types de données dans le modèle tel que les analyses mutationnelles de l'ADN tumoral qui peuvent être ramassées dans le sang ou l'urine, ou des analyses spatiales qui permettraient une identification plus précise de exactement quels types de cellules sont présentes dans la vessie. « C'est l'une des principales conclusions de notre étude – que les données sont synergiques pour améliorer la prédiction », a déclaré le Dr Faltas.
Le modèle a également suggéré de nouvelles hypothèses selon lesquelles le Dr Faltas et le Dr Wang prévoient de tester davantage. Par exemple, le rapport des cellules tumorales aux cellules tissulaires normales, telles que les fibroblastes, a un impact sur la réponse aux prédictions de chimiothérapie. « Peut-être qu'une abondance de fibroblastes peut protéger les cellules tumorales des médicaments chimiothérapeutiques ou soutenir la croissance des cellules cancéreuses. Je voudrais approfondir cette biologie », a-t-il ajouté.
En attendant, Drs. Wang et Faltas s'efforceront de valider leurs résultats dans d'autres cohortes d'essais cliniques et sont prêts à étendre leur collaboration pour déterminer si leur modèle peut prédire la réponse thérapeutique dans une population plus large de patients.
Le rêve est que les patients entreraient dans mon bureau, et je pourrais intégrer toutes leurs données dans le cadre de l'IA et leur donner une partition qui prédit comment ils réagiraient à une thérapie particulière. Ça va arriver. Mais les médecins comme moi devront apprendre à interpréter ces prédictions de l'IA et à savoir que je peux leur faire confiance – et pour pouvoir les expliquer à mes patients d'une manière qui peut également faire confiance. «
Dr. Bishoy Morris Faltas, The Gellert Family – John P. Leonard MD Research Scholar in Hematology and Medical Oncology
