Une femme sur neuf dans le monde développé recevra un diagnostic de cancer du sein à un moment donné de sa vie. La prévalence du cancer du sein augmente, un effet causé en partie par le mode de vie moderne et l’allongement de la durée de vie. Heureusement, les traitements deviennent plus efficaces et plus personnalisés. Cependant, ce qui n’augmente pas – et en fait diminue – c’est le nombre de pathologistes ou de médecins dont la spécialité est l’examen des tissus corporels pour fournir le diagnostic spécifique nécessaire à la médecine personnalisée. Une équipe de chercheurs du Technion – Institut de technologie d’Israël s’est donc donné pour mission de transformer les ordinateurs en assistants pathologistes efficaces, simplifiant et améliorant le travail du médecin humain. Leur nouvelle étude vient d’être publiée dans Communication Nature.
La tâche spécifique que le Dr Gil Shamai et Amir Livne du laboratoire du professeur Ron Kimmel de la Faculté d’informatique Henry et Marilyn Taub du Technion ont entrepris de réaliser relève du domaine de l’immunothérapie. L’immunothérapie a gagné en importance ces dernières années en tant que traitement efficace, parfois même révolutionnaire, pour plusieurs types de cancer. La base de cette forme de thérapie encourage le système immunitaire de l’organisme à attaquer la tumeur. Cependant, une telle thérapie doit être personnalisée car le bon médicament doit être administré aux patients qui en bénéficieront en fonction des caractéristiques spécifiques de la tumeur.
De multiples mécanismes naturels empêchent notre système immunitaire d’attaquer notre propre corps. Ces mécanismes sont souvent exploités par les tumeurs cancéreuses pour échapper au système immunitaire. L’un de ces mécanismes est lié à la protéine PD-L1 – certaines tumeurs l’affichent, et il agit comme une sorte de mot de passe en convainquant à tort le système immunitaire que le cancer ne doit pas être attaqué. L’immunothérapie spécifique pour PD-L1 peut persuader le système immunitaire d’ignorer ce mot de passe particulier, mais bien sûr ne serait efficace que lorsque la tumeur exprime le PD-L1.
C’est la tâche d’un pathologiste de déterminer si la tumeur d’un patient exprime PD-L1. Des marqueurs chimiques coûteux sont utilisés pour colorer une biopsie prélevée sur la tumeur afin d’obtenir la réponse. Le processus est non trivial, prend du temps et parfois incohérent. Le Dr Shamai et son équipe ont adopté une approche différente. Ces dernières années, il est devenu une pratique approuvée par la FDA de numériser les biopsies afin qu’elles puissent être utilisées pour l’analyse pathologique numérique. Amir Livne, le Dr Shamai et le professeur Kimmel ont décidé de voir si un réseau de neurones pouvait utiliser ces scans pour établir le diagnostic sans nécessiter de processus supplémentaires. « Ils nous ont dit que cela ne pouvait pas être fait », a déclaré l’équipe, « alors bien sûr, nous avons dû leur prouver le contraire. »
Les réseaux de neurones sont formés d’une manière similaire à la façon dont les enfants apprennent : ils sont présentés avec plusieurs exemples étiquetés. On montre à un enfant de nombreux chiens et diverses autres choses, et à partir de ces exemples, il se fait une idée de ce qu’est un « chien ». Le réseau neuronal développé par l’équipe du professeur Kimmel a été présenté avec des images de biopsie numérique de 3 376 patients qui ont été marqués comme exprimant ou non PD-L1. Après validation préliminaire, il a été demandé de déterminer si des images de biopsie d’essais cliniques supplémentaires de 275 patients étaient positives ou négatives pour PD-L1. Il a obtenu de meilleurs résultats que prévu : pour 70 % des patients, il a été en mesure de déterminer la réponse avec confiance et correctement. Pour les 30% de patients restants, le programme n’a pas pu trouver les schémas visuels qui lui permettraient de décider d’une manière ou d’une autre. Fait intéressant, dans les cas où l’intelligence artificielle (IA) n’était pas d’accord avec la détermination du pathologiste humain, un deuxième test a prouvé que l’IA avait raison.
C’est une réalisation capitale. Les variations que l’ordinateur a trouvées – elles ne sont pas distinguables à l’œil humain. Les cellules s’arrangent différemment si elles présentent PD-L1 ou non, mais les différences sont si petites que même un pathologiste qualifié ne peut pas les identifier en toute confiance. Maintenant, notre réseau de neurones le peut. »
Professeur Ron Kimmel, Faculté d’informatique Henry et Marilyn Taub, Technion-Israel Institute of Technology
Cette réalisation est le travail d’une équipe composée du Dr Gil Shamai et de l’étudiant diplômé Amir Livne, qui a développé la technologie et conçu les expériences, le Dr António Polónia de l’Institut de pathologie moléculaire et d’immunologie de l’Université de Porto, Portugal, professeur Edmond Sabo et le Dr Alexandra Cretu du Carmel Medical Center à Haïfa, en Israël, qui sont des pathologistes experts qui ont mené la recherche, et avec le soutien du professeur Gil Bar-Sela, chef de la division d’oncologie et d’hématologie au Haemek Medical Center à Afula, Israël .
« C’est une opportunité incroyable de réunir l’intelligence artificielle et la médecine », a déclaré le Dr Shamai. « J’adore les mathématiques, j’adore développer des algorithmes. Pouvoir utiliser mes compétences pour aider les gens, faire progresser la médecine, c’est plus que ce à quoi je m’attendais quand j’ai commencé comme étudiant en informatique. » Il dirige maintenant une équipe de 15 chercheurs, qui portent ce projet à un niveau supérieur.
« Nous nous attendons à ce que l’IA devienne un outil puissant entre les mains des médecins », a déclaré le professeur Kimmel. « L’IA peut aider à établir ou à vérifier un diagnostic, elle peut aider à adapter le traitement au patient individuel, elle peut offrir un pronostic. Je ne pense pas qu’elle puisse ou doive remplacer le médecin humain. Mais elle peut apporter certains éléments de le travail des médecins plus simple, plus rapide et plus précis. »