La plupart des décès dus au mélanome – la forme la plus mortelle de cancer de la peau – surviennent chez des patients qui ont été initialement diagnostiqués avec un mélanome à un stade précoce, puis ont ensuite connu une récidive qui n’est généralement pas détectée tant qu’elle ne s’est pas propagée ou métastasée.
Une équipe dirigée par des chercheurs du Massachusetts General Hospital (MGH) a récemment développé une méthode basée sur l’intelligence artificielle pour prédire quels patients sont les plus susceptibles de connaître une récidive et devraient donc bénéficier d’un traitement agressif. La méthode a été validée dans une étude publiée dans npj Oncologie de précision.
La plupart des patients atteints de mélanome à un stade précoce sont traités par chirurgie pour éliminer les cellules cancéreuses, mais les patients atteints d’un cancer plus avancé reçoivent souvent des inhibiteurs de point de contrôle immunitaire, qui renforcent efficacement la réponse immunitaire contre les cellules tumorales, mais entraînent également des effets secondaires importants.
Il est urgent de développer des outils prédictifs pour aider à la sélection des patients à haut risque pour lesquels les avantages des inhibiteurs de points de contrôle immunitaires justifieraient le taux élevé d’événements indésirables immunologiques morbides et potentiellement mortels observés avec cette classe thérapeutique.
Yevgeniy R. Semenov, MD, auteur principal, chercheur, Département de dermatologie à l’HGM
« Une prédiction fiable de la récurrence du mélanome peut permettre une sélection plus précise du traitement pour l’immunothérapie, réduire la progression vers la maladie métastatique et améliorer la survie au mélanome tout en minimisant l’exposition aux toxicités du traitement. »
Pour y parvenir, Semenov et ses collègues ont évalué l’efficacité d’algorithmes basés sur l’apprentissage automatique, une branche de l’intelligence artificielle, qui utilisaient les données des dossiers de santé électroniques des patients pour prédire la récurrence du mélanome.
Plus précisément, l’équipe a collecté 1 720 mélanomes à un stade précoce -; 1 172 du système de santé Mass General Brigham (MGB) et 548 du Dana-Farber Cancer Institute (DFCI) -; et extrait 36 caractéristiques cliniques et pathologiques de ces cancers de la santé électronique dossiers pour prédire le risque de récidive des patients avec des algorithmes d’apprentissage automatique. Des algorithmes ont été développés et validés avec divers ensembles de patients MGB et DFCI, et l’épaisseur de la tumeur et le taux de division des cellules cancéreuses ont été identifiés comme les caractéristiques les plus prédictives.
« Notre plate-forme complète de prédiction des risques utilisant de nouvelles approches d’apprentissage automatique pour déterminer le risque de récidive de mélanome à un stade précoce a atteint des niveaux élevés de classification et de précision de prédiction du délai avant l’événement », déclare Semenov. « Nos résultats suggèrent que les algorithmes d’apprentissage automatique peuvent extraire des signaux prédictifs à partir de caractéristiques clinicopathologiques pour la prédiction de la récurrence du mélanome à un stade précoce, ce qui permettra d’identifier les patients susceptibles de bénéficier d’une immunothérapie adjuvante. »
