Nouvel outil pour prédire les récidives du cancer du sein

Un nouvel outil combinant la pathologie traditionnelle et l’apprentissage automatique pourrait prédire quelles patientes atteintes d’un cancer du sein ont réellement besoin d’une intervention chirurgicale. La technologie, rapportée dans le numéro de novembre de American Journal of Physiology – Physiologie cellulaire (vol. 319: C910-C921; https: //est ce que je.org /dix.1152 /ajpcell.00280.2020), pourrait éviter aux femmes des traitements inutiles, réduire les dépenses médicales et conduire à une nouvelle génération de médicaments pour arrêter les récidives du cancer du sein.

Carcinome canalaire in situ (CCIS) du sein, une forme précoce de maladie également connue sous le nom de cancer du sein de stade 0, est un diagnostic qui ne conduit que parfois à un cancer du sein invasif. Mais seuls certains patients ont besoin d’une chirurgie, d’une chimiothérapie et / ou d’une radiothérapie, et les autres pourraient être renvoyés chez eux. Prédire les résultats des patients atteints de formes précoces de cancer est un problème scientifique majeur depuis des décennies.

Le professeur Howard Petty et Mme Alexandra Kraft, son assistante de recherche, tous deux de l’Université du Michigan, viennent de rapporter une solution à ce dilemme diagnostique. La nouvelle technologie a été testée sur des échantillons de patients DCIS donnés à la recherche il y a plus de 10 ans, complétés par leurs antécédents cliniques actuels.

En règle générale, les patients atteints de cancers pré-invasifs, tels que le CCIS, sont traités de manière très agressive. Dans le cas du CCIS, cela signifie des mastectomies partielles ou totales … mais nous savons par d’autres travaux que plus de la moitié de ces patients ne connaîtront pas de maladie invasive. « 

Howard Petty, professeur, Université du Michigan

La méthode repose sur la découverte récemment rapportée que, dans les deux cas de CCIS destinés à récidiver et le cancer du sein métastatique, les cellules réorganisent certaines enzymes en «plates-formes métaboliques» juste sous la membrane externe de ces cellules tumorales dangereuses. «Cela permet aux enzymes de fonctionner avec des rendements élevés, comme une chaîne d’assemblage dans une usine», explique le professeur Petty. Cette efficacité est ce qui rend ces cancers si dangereux. Petty théorise que les produits enzymatiques produits par ces usines cellulaires favorisent le caractère invasif des cellules tumorales et détournent simultanément de nombreuses formes de chimiothérapie et de radiothérapie.

Pour prédire quels cas de DCIS conduisent à de telles chaînes de montage, Petty et ses collègues marquent des biomarqueurs dans les échantillons de patients, puis photographient les biomarqueurs avec une caméra sophistiquée – similaire à celles utilisées en astronomie. Les images numériques sont ensuite téléchargées dans une plate-forme de cloud computing pour analyse.

En utilisant cette approche, les chercheurs ont correctement prédit les récidives et les non-récidives du cancer 91% du temps, avec seulement 4% de faux négatifs. D’autres améliorations sont en cours.

Les auteurs suggèrent que cet outil réduira le surdiagnostic du CCIS potentiellement mortel. La technique peut permettre aux scientifiques de perturber les plates-formes métaboliques sur le plan pharmaceutique, bloquant ainsi le pouvoir invasif des tumeurs, améliorant la chimiothérapie et la radiothérapie et arrêtant les récidives. «Cet outil peut également être utile pour prédire les résultats d’autres lésions pré-invasives et pour prédire quels patients répondront à des interventions thérapeutiques spécifiques», explique le professeur Petty.

Les chercheurs effectuent actuellement les expériences rétrospectives supplémentaires nécessaires pour obtenir l’approbation de la FDA de ce nouveau test de diagnostic.

Ce travail a récemment reçu le prix APSselect de l’American Physiological Society.