Les patients atteints de cancer du cerveau dans les années à venir n'auront peut-être pas besoin de passer sous le couteau pour aider les médecins à déterminer le meilleur traitement pour leurs tumeurs.
Une nouvelle étude menée par UT Southwestern montre que l'intelligence artificielle peut identifier une mutation génétique spécifique dans une tumeur de gliome simplement en examinant des images 3D du cerveau – avec une précision de plus de 97%. Une telle technologie pourrait potentiellement éliminer la pratique courante des chirurgies de prétraitement dans lesquelles des échantillons de gliome sont prélevés et analysés pour choisir une thérapie appropriée.
Des scientifiques de tout le pays ont testé d'autres techniques d'imagerie ces dernières années, mais les dernières recherches décrivent peut-être l'une des méthodes les plus précises et cliniquement viables dans l'effort généralisé pour modifier le paradigme de l'évaluation du cancer du cerveau.
Connaître un statut de mutation particulier dans les gliomes est important pour déterminer le pronostic et les stratégies de traitement. La capacité de déterminer ce statut en utilisant uniquement l'imagerie conventionnelle et l'IA est un grand pas en avant. «
Joseph Maldjian, M.D., chef de la neuroradiologie à l'Institut O'Donnell Brain de l'UT Southwestern
Enzymes mutées
L'étude a utilisé un réseau d'apprentissage en profondeur et une imagerie par résonance magnétique (IRM) standard pour détecter l'état d'un gène appelé isocitrate déshydrogénase (IDH), qui produit une enzyme qui, sous une forme mutée, peut déclencher la croissance tumorale dans le cerveau.
Les médecins qui se préparent à traiter les gliomes feront souvent subir aux patients une intervention chirurgicale pour obtenir un tissu tumoral qui est ensuite analysé pour déterminer le statut de mutation IDH. Le pronostic et la stratégie de traitement varieront selon que le patient présente ou non un gliome muté IDH.
Cependant, parce que l'obtention d'un échantillon adéquat peut parfois être longue et risquée – en particulier si les tumeurs sont difficiles d'accès – les chercheurs ont étudié des stratégies non chirurgicales pour identifier le statut de mutation IDH.
L'étude, publiée ce printemps dans Neuro-oncologie, se différencie des recherches antérieures de trois manières:
- La méthode est très précise. Les techniques précédentes n'ont souvent pas réussi à éclipser la précision de 90%.
- Le statut de mutation a été déterminé en analysant une seule série d'images RM, par opposition à plusieurs types d'images.
- Un seul algorithme était nécessaire pour évaluer le statut de mutation IDH dans les tumeurs. D'autres techniques ont nécessité soit des régions d'intérêt dessinées à la main, soit des modèles d'apprentissage en profondeur supplémentaires pour d'abord identifier les limites de la tumeur, puis détecter les mutations potentielles.
« La beauté de ce nouveau modèle d'apprentissage en profondeur est sa simplicité et son haut degré de précision », explique Maldjian, ajoutant que des méthodes similaires peuvent être utilisées pour identifier d'autres marqueurs moléculaires importants pour divers cancers. «Nous avons supprimé les étapes de prétraitement supplémentaires et créé un scénario idéal pour la transition aisée de ces soins vers les soins cliniques en utilisant des images qui sont acquises de façon routinière.»
Imagerie tumorale
Les gliomes constituent la grande majorité des tumeurs malignes présentes dans le cerveau et peuvent souvent se propager rapidement à travers les tissus environnants. Le taux de survie à cinq ans pour les gliomes de haut grade est de 15%, bien que les tumeurs avec des enzymes IDH mutées aient généralement un meilleur pronostic.
Le statut de mutation IDH aide également les médecins à décider d'une combinaison de traitements les plus appropriés pour le patient, de la chimiothérapie et de la radiothérapie à la chirurgie pour enlever la tumeur.
Pour améliorer le processus de détection des mutations enzymatiques et décider de la thérapie appropriée, l'équipe de Maldjian a développé deux réseaux d'apprentissage en profondeur qui ont analysé les données d'imagerie à partir d'une base de données accessible au public de plus de 200 patients atteints de cancer du cerveau à travers les États-Unis.
Un réseau a utilisé une seule série de l'IRM (images pondérées en T2), tandis que l'autre a utilisé plusieurs types d'images de l'IRM. Les deux réseaux ont atteint presque la même précision, ce qui suggère que le processus de détection des mutations IDH pourrait être considérablement rationalisé en utilisant uniquement les images pondérées en T2.
'Grande image'
L'équipe de Maldjian testera ensuite son modèle d'apprentissage en profondeur sur de plus grands ensembles de données pour une validation supplémentaire avant de décider d'incorporer la technique dans les soins cliniques.
Pendant ce temps, les chercheurs espèrent développer des médicaments pour inhiber l'IDH grâce à des essais cliniques nationaux en cours. S'ils sont efficaces, ces inhibiteurs pourraient se combiner avec des techniques d'imagerie AI pour réviser la façon dont certains cancers du cerveau sont évalués et traités.
« Dans l'ensemble, nous pouvons être en mesure de traiter certains gliomes sans opérer sur un patient », explique Maldjian. « Nous utiliserions l'IA pour détecter un gliome muté IDH, puis utiliserons des inhibiteurs IDH pour ralentir ou inverser la croissance tumorale. Le domaine de la radio-génomique regorge de possibilités. »
La source:
Centre médical UT Southwestern
Référence de la revue:
Yogananda, C.G.B., et al. (2020) Une nouvelle méthode d'apprentissage en profondeur entièrement automatisée basée sur l'IRM pour la classification du statut de mutation IDH dans les gliomes cérébraux. Neuro-oncologie. doi.org/10.1093/neuonc/noz199.
