Les scientifiques ont développé un nouvel outil d’IA qui cartographie la fonction des protéines dans une tumeur cancéreuse, permettant aux cliniciens de décider comment cibler le traitement de manière plus précise.
Dans les cancers tels que le carcinome rénal à cellules claires (ccRCC), les réponses aux traitements existants sont différentes pour chaque patient, ce qui rend difficile l’identification du régime thérapeutique médicamenteux approprié pour chaque patient.
Par exemple, le traitement anticancéreux Belzutifan a récemment été approuvé pour traiter le ccRCC, mais n’a qu’un taux de réponse de 49 % chez les patients atteints de la forme la plus courante de la maladie.
Pour mieux comprendre pourquoi certains patients réagissent mieux que d’autres, des chercheurs des universités de Bath et de Nottingham ont étudié la fonction du facteur alpha induit par l’hypoxie (HIF2α), une cible clé du ccRCC bloquée par Belzutifan.
Des études antérieures ont montré que les niveaux de HIF2α ne correspondent pas nécessairement à l’agressivité de la tumeur et que, contre-intuitivement, lorsque les niveaux de protéine présents étaient plus élevés, le HIF2α était moins actif.
Cela signifie que l’administration de doses plus élevées de Belzutifan expose potentiellement le patient à des traitements coûteux et toxiques qui pourraient ne pas fonctionner et pourraient même rendre la tumeur plus résistante aux médicaments.
L’équipe interdisciplinaire composée de biophysiciens, de biologistes et de chercheurs en informatique a conçu un nouvel outil, appelé FuncOmap, qui cartographie l’état fonctionnel des oncoprotéines cibles sur les images tumorales.
Cela permettra aux cliniciens de visualiser directement les emplacements de la tumeur où les oncoprotéines interagissent, permettant ainsi un diagnostic plus précis et indiquant le meilleur traitement pour chaque patient.
Le professeur Banafshé Larijani, directeur du Centre d’innovation thérapeutique de l’Université de Bath, a codirigé l’étude. Elle a déclaré : « Les gens réagissent très différemment aux drogues.
Il est donc crucial de pouvoir prédire comment les patients réagiront individuellement aux médicaments afin qu’un traitement puisse être adapté pour être efficace tout en administrant la dose la plus faible afin de minimiser les effets secondaires.
« Notre nouvel outil d’analyse informatique utilise la précision pour cartographier directement les états fonctionnels des oncoprotéines dans les sections tumorales des patients, afin que les cliniciens puissent améliorer la stratification des patients, permettant ainsi une médecine personnalisée.
L’équipe collabore désormais avec le laboratoire du Dr Amanda Kirane, ainsi qu’avec d’autres chirurgiens et cliniciens de la faculté de médecine de l’université de Stanford (États-Unis) pour développer et optimiser davantage l’outil dans le domaine clinique.
Cette étude décrit le type de recherche nouvelle et percutante qui constitue l’essence même du travail interdisciplinaire.
Il rassemble l’informatique, la biologie et la physique, sous l’égide du Centre UKRI de formation doctorale en intelligence artificielle responsable et transparente, pour fournir une analyse d’images capable d’éclairer directement la prise de décision clinique et les résultats cliniques personnalisés dans le traitement du cancer. ainsi que d’autres maladies.
Professeur Eamonn O’Neill, chef du département d’informatique de Bath et directeur du Centre UKRI de formation doctorale en IA responsable, responsable et transparente (ART-AI)
Le professeur Jonathan Knight FRS, vice-président (Entreprise) de l’Université de Bath, a déclaré : « L’enthousiasme suscité par cet article ne réside pas seulement dans le travail rapporté, mais aussi dans son illustration de la façon dont les domaines de recherche de la biophysique et de la médecine translationnelle sont liés à ceux de la biophysique et de la médecine translationnelle. la science informatique moderne promet d’accélérer la traduction de la recherche en outils précieux pour l’environnement clinique. Cela amplifie réellement la valeur à tirer des études transdisciplinaires.
L’étude a été financée par Centre UKRI de formation doctorale en intelligence artificielle responsable et transparente (ART-AI)[numérodesubventionEP/S023437/[grantnumberEP/S023437/Conseil de recherches médicales et Fonds des anciens élèves de l’Université de Bath, et est publié dans la revue Rapports BJC.
