Une équipe internationale de chercheurs, coordonnée par les universités de Francfort et l'Institut du cancer de la ville, a publié dans la revue Cancer Cell en 2026 une étude majeure sur le lymphome diffus à grandes cellules B, la forme agressive la plus courante de lymphome. En combinant l'analyse génétique, la protéomique et l'intelligence artificielle, les scientifiques ont identifié des biomarqueurs précis permettant de repérer les patients à haut risque pour qui les traitements standards, comme le R-CHOP, s'avèrent inefficaces. Près d'un tiers des patients rechangent ou ne répondent pas à la thérapie conventionnelle. L'étude a porté sur les échantillons de 478 patients. Les chercheurs ont analysé les mutations génétiques, la quantité de protéines produites et leurs interactions, en s'appuyant sur des modèles d'apprentissage automatique interprétables développés par l'Institut d'informatique de l'université Goethe. Ces algorithmes ont révélé des corrélations directes entre des profils moléculaires spécifiques et les résultats cliniques, validées par des analyses cellulaires à haute résolution. Cette approche a permis de classifier les tumeurs selon leur profil protéogénétique. Un sous-groupe identifié, désigné PG4, se distingue par une forte activité du gène MYC, qui stimule la prolifération cellulaire, et par un microenvironnement immunologique dit froid, caractérisé par une faible infiltration et une fonction supprimée des lymphocytes T cytotoxiques responsables de la lutte anticancéreuse. Ces mécanismes expliquent la résistance au traitement standard et sont indépendants des facteurs de risque déjà établis. En laboratoire, les chercheurs ont réussi à bloquer avec succès les programmes moléculaires liés à MYC dans des cellules de lymphome PG4, entraînant la disparition sélective des cellules cancéreuses. Cette découverte ouvre la voie au développement de nouvelles cibles thérapeutiques et à une médecine personnalisée. Les scientifiques estiment que ces outils pourraient permettre un diagnostic plus précoce des formes agressives et un ajustement immédiat des traitements, en orientant directement les patients vers des alternatives plus efficaces comme l'immunothérapie cellulaire CAR T. Bien que des étapes cliniques restent à franchir avant une mise en pratique routinière, cette recherche marque un pas significatif vers une oncologie de précision. En intégrant des données multi-omiques à l'intelligence artificielle, elle démontre comment la compréhension approfondie de la biologie tumorale peut transformer la prise en charge des cancers agressifs, réduisant ainsi les rechutes et améliorant le pronostic des patients les plus vulnérables.