Des chercheurs du centre Johns Hopkins Kimmel Cancer Center ont mis au point plasmaCHORD, un modèle d'apprentissage automatique capable d'améliorer significativement la fiabilité des biopsies liquides. Publiée le 1er mai dans la revue Clinical Cancer Research, cette étude propose une solution technique à un problème récurrent en oncologie numérique : distinguer les mutations tumorales du bruit biologique présent dans les échantillons sanguins. Les biopsies liquides consistent à analyser des fragments d'ADN libre circulation issus de tumeurs présents dans le sang. Bien qu'elles permettent d'identifier des altérations génétiques pour guider le choix de thérapies ciblées, elles captent aussi fréquemment des mutations accumulées dans les globules blancs au fil du temps ou après des traitements comme la chimiothérapie. Ces mutations bénignes, liées au vieillissement ou à l'hématopoïèse clonale, peuvent fausser les résultats et pousser les médecins à prescrire des traitements inefficaces. Pour résoudre ce problème, l'équipe dirigée par la Dre Jenna Canzoniero et le Dr Valsamo Anagnostou a développé plasmaCHORD. L'algorithme s'appuie sur les différences de fragmentation de l'ADN selon son origine. Les fragments provenant de la tumeur ne sont pas découpés de la même manière que ceux des globules blancs, créant des signatures numériques distinctes. En croisant ces données avec l'âge du patient et la nature de la mutation, le modèle estime avec précision l'origine de chaque altération détectée. L'outil a été entraîné sur les échantillons de 225 patients atteints de cancers du sein, colorectaux, de l'œsophage, de l'ovaire ou du poumon. Sa fiabilité a ensuite été vérifiée en comparant ses prédictions avec le séquençage génétique direct des cellules tumorales et sanguines. Lors d'un test indépendant mené sur 114 patients utilisant une plateforme de séquençage différente, plasmaCHORD a maintenu ses performances. Il a notamment fait passer la précision de distinction entre mutations tumorales et mutations sanguines de 50 à 83 pour cent sur des cibles cliniquement pertinentes. L'utilité clinique du dispositif a également été démontrée. Lors des réunions du comité tumoral moléculaire de Johns Hopkins, les prédictions de plasmaCHORD ont permis aux oncologues d'écarter des traitements ciblés inadaptés, évitant ainsi des thérapies sans effet pour les patients concernés. Selon les chercheurs, environ un tiers des mutations détectées lors de biopsies liquides initiales proviennent en réalité des globules blancs. Cette méthode d'intelligence artificielle peut être intégrée directement aux protocoles standards de biopsie liquide. Elle offre un outil à la fois utile pour la recherche et potentiellement opérationnel en pratique clinique, tout en restant facilement scalable. Les auteurs prévoient actuellement le développement d'une version améliorée du modèle pour accroître encore sa précision et élargir son champ d'application. Cette avancée ouvre la voie à une médecine oncologique de précision plus fiable, où le choix thérapeutique repose sur une cartographie génétique véritablement tumorale.