Un modèle d’IA de Harvard prédit quels patients atteints de cancer répondront à l’immunothérapie

Des chercheurs de la Harvard Medical School ont développé un modèle d'intelligence artificielle appelé COMPASS capable de prédire quels patients atteints de cancer répondront aux inhibiteurs de points de contrôle immunitaire, une classe de médicaments qui ne fonctionne que chez une fraction des patients qui les reçoivent. L'étude a été publiée le 3 juillet dans Nature Medicine.medicalxpress+1

S'attaquer au problème central non résolu de l'oncologie

Les inhibiteurs de points de contrôle immunitaire ont transformé le traitement du cancer depuis l'approbation du premier par la FDA en 2011, mais les essais cliniques montrent que seuls 10 % à 40 % des patients y répondent, selon le type de cancer. Les non-répondeurs risquent des effets secondaires graves tandis que leur cancer progresse sans contrôle.pubmed.ncbi.nlm.nih+1

COMPASS analyse l'activité de près de 16 000 gènes ayant des rôles connus dans les états des cellules immunitaires, les interactions du microenvironnement tumoral et les voies de signalisation. Le modèle a été entraîné sur des données provenant de 10 184 tumeurs de 33 types de cancer tirées du Cancer Genome Atlas, puis affiné en utilisant les résultats de 16 essais cliniques testant différents régimes d'inhibiteurs de points de contrôle sur sept types de cancer.medicalxpress+1

« Comprendre qui répondra aux ICI n'est pas une lacune mineure dans nos connaissances », a déclaré l'auteure principale Marinka Zitnik, professeure agrégée d'informatique biomédicale à la HMS et membre du corps professoral associé au Kempner Institute de Harvard. « C'est l'un des problèmes centraux non résolus en oncologie. »medicalxpress

Surpasser les méthodes existantes

Lors des tests, COMPASS a surpassé la meilleure approche existante pour prédire la réponse aux inhibiteurs de points de contrôle de près de 10 % en moyenne, avec une augmentation de 8,5 % de la précision, une amélioration de 12,3 % du coefficient de corrélation de Matthews et un gain de 15,7 % de l'aire sous la courbe précision-rappel. La précision s'est maintenue à travers différents types de cancer, médicaments, plateformes de séquençage de transcrits géniques et sites de biopsie.pubmed.ncbi.nlm.nih+1

Contrairement aux systèmes d'IA « boîte noire », COMPASS utilise une architecture de transformateur à goulot d'étranglement conceptuel qui fournit des résultats interprétables par l'homme. Il décode les tumeurs en 44 concepts immunitaires biologiquement fondés, permettant aux cliniciens de comprendre la logique derrière chaque prédiction. Cette interprétabilité a aidé à expliquer des cas aberrants — par exemple, pourquoi certains patients atteints de tumeurs immuno-enflammées ne répondaient toujours pas, et pourquoi d'autres atteints de tumeurs dites « désert immunitaire » bénéficiaient du traitement.medicalxpress+1

Implications cliniques

S'il est validé dans des essais prospectifs, COMPASS pourrait servir d'aide à la décision clinique, aidant les oncologues à faire correspondre les patients aux thérapies et améliorant le recrutement dans les essais cliniques en identifiant les participants les plus susceptibles de montrer une réponse significative. Zitnik et ses collègues prévoient de tester si l'intégration des dossiers de santé électroniques et des données de séquençage unicellulaire pourrait encore améliorer la précision.medicalxpress