Selon une nouvelle étude publiée dans Médecine naturelle. L’étude a rapporté les résultats du projet I3LUNG, un vaste essai international visant à améliorer le traitement actuel du CPNPC métastatique en développant des modèles prédictifs basés sur l’IA qui peuvent aider à déterminer la meilleure approche thérapeutique pour chaque individu.
L’immunothérapie – un traitement contre le cancer qui renforce et utilise la puissance du système immunitaire du patient contre les cellules cancéreuses – a transformé le traitement du cancer du poumon, obtenant un bénéfice à long terme chez 20 à 30 % des patients. Cependant, la plupart des patients éprouvent une résistance au traitement et les médecins ne peuvent toujours pas prédire de manière fiable quels patients bénéficieront de l’immunothérapie. Aujourd’hui, les décisions thérapeutiques reposent en grande partie sur l’expression de PD-L1, un biomarqueur aux limites bien connues.
« Nous avons besoin d’outils plus intelligents », a déclaré Marina Garassino, MD, oncologue thoracique, professeur de médecine à UChicago Medicine et auteur principal de l’étude.
De meilleurs biomarqueurs prédictifs pourraient identifier les patients susceptibles de répondre à l’immunothérapie au moment du diagnostic, évitant ainsi une toxicité et des coûts inutiles. Améliorer la capacité de faire ces prédictions peut aider les médecins à mieux adapter les traitements à chaque patient. Le projet I3LUNG visait à développer et à valider des outils d’IA pour soutenir les décisions d’immunothérapie dans le CPNPC avancé.
Pour l’étude, l’équipe de recherche internationale a recruté 2 396 patients atteints d’un CPNPC avancé traité par immunothérapie dans six centres en Italie, en Allemagne, en Grèce, en Israël, en Espagne et aux États-Unis. Pour la première phase du projet, l’équipe a intégré plusieurs types de données, notamment des données cliniques, d’imagerie, de pathologie et génomiques, provenant de chaque patient dans une base de données. Ils ont ensuite construit et testé deux familles de modèles d’IA formés pour prédire la réponse au traitement et la survie à l’aide de toutes les données collectées.
Les chercheurs ont constaté que leurs modèles d’IA surpassaient systématiquement tous les biomarqueurs cliniques standards. L’aire sous la courbe, ou AUC, est une mesure d’apprentissage automatique qui quantifie la capacité d’un modèle d’IA à classer correctement les informations ou, dans ce cas, à prédire avec précision les résultats de survie. Les scores compris entre 0,8 et 0,9 sont considérés comme « excellents ». Dans l’étude I3LUNG, le modèle d’IA utilisant des données cliniques et sanguines a atteint un score AUC de 0,77, tandis que le modèle intégrant des données cliniques et sanguines ainsi que l’imagerie et la pathologie numérique a atteint un score AU de 0,88.
Une partie de l’étude a testé ce qui se passe lorsque les humains collaborent avec les outils d’IA. Vingt médecins – 10 experts en cancer du poumon et 10 d’autres spécialités – ont examiné 100 cas réels de patients, d’abord sans, puis avec l’aide de l’IA. L’accès à l’outil d’IA a amélioré la sensibilité pour identifier les répondeurs avec une AUC de 0,72 à 0,87. Les médecins qui n’étaient pas des experts en cancer du poumon ont montré les plus grandes améliorations, une constatation directement pertinente pour les milieux d’oncologie communautaire où l’expertise thoracique peut être limitée. L’accord entre médecins est passé de léger à modéré, ce qui suggère que l’outil favorise également un raisonnement clinique plus cohérent à différents niveaux d’expérience.
Cet alignement entre la logique machine et clinique est essentiel pour établir la confiance dans la prise de décision assistée par l’IA. »
Marina Garassino, MD, professeur de médecine, UChicago Medicine
L’étude actuelle a rendu compte de la phase rétrospective du projet. I3LUNG recrute désormais de manière prospective plus de 2 000 patients dans les six mêmes centres internationaux, permettant aux chercheurs de se concentrer sur l’optimisation du traitement. Ils ont déclaré que cette dimension est importante car l’évaluation des modèles d’IA doit porter non seulement sur les performances du modèle, mais également sur sa facilité d’utilisation en clinique.
« I3LUNG établit une nouvelle référence pour l’IA en oncologie thoracique. Les outils d’aide à la décision construits même à partir de données cliniques disponibles en routine peuvent surpasser les biomarqueurs sur lesquels nous comptons aujourd’hui », a déclaré Garassino. « Pour les patients, cela signifie moins d’opportunités manquées de bénéfice du traitement. Pour les médecins communautaires, cela signifie l’accès à des conseils de niveau expert au point de service. Pour le domaine, cela fournit un cadre rigoureux, juste et explicable – validé dans divers systèmes de santé et populations – qui peut servir de plate-forme mondiale pour la prochaine génération d’immunothérapie de précision. «
L’étude, « I3LUNG : Validation clinique d’un outil d’IA multimodal pour soutenir les décisions d’immunothérapie dans le NSCLC », a été soutenue par un financement du programme de recherche et d’innovation Horizon 2020 de l’Union européenne.
Parmi les autres auteurs d’UChicago figuraient Alexander T. Pearson, Christine Bestvina, Matteo Sacco, Samuel G. Armato III, Alessandra Esposito, Costanza Siniscalchi et Anna Di Lello.
UChicago Medicine et la Division des sciences biologiques continuent d’être à l’avant-garde des soins et de la recherche contre le cancer. En avril 2027, UChicago Medicine ouvrira le AbbVie Foundation Cancer Pavilion, le premier pavillon indépendant du cancer de Chicago, pour apporter des diagnostics avancés, des traitements innovants, des découvertes translationnelles et un soutien complet aux patients et à la communauté.
