IA et multi-omiques révèlent le cancer prostatique agressif
Une étude publiée en 2026 dans la revue npj Digital Medicine par des chercheurs de l'Institut royal de technologie de KTH révèle que certains cancers de la prostate classés à faible risque sur le plan clinique comportent en réalité des signatures moléculaires associées à une évolution plus agressive. Ces découvertes soulignent l'existence de différences biologiques invisibles aux classifications médicales conventionnelles et pourraient orienter de nouvelles stratégies thérapeutiques. Pour identifier ces signaux cachés, l'équipe dirigée par le maître de conférences Arian Lundberg et la professeure adjointe Golnaz Taheri a combiné l'analyse multi-omique avec l'intelligence artificielle et la modélisation de réseaux. Cette approche intègre simultanément la génomique, qui examine les altérations de l'ADN, la transcriptomique, qui mesure l'activité des gènes, et l'épigénétique, qui étudie les mécanismes régulant cette activité. Au lieu de les traiter séparément, les chercheurs ont superposé ces couches moléculaires pour reconstituer une image précise de la biologie tumorale. Leur modèle d'apprentissage automatique a permis de détecter un réarrangement dynamique du réseau ZNF268, caractéristique d'un état de transition cellulaire actif propice à l'agressivité tumorale. Bien que prometteuse, cette méthode reste à un stade de recherche et ne peut encore être appliquée en milieu clinique. Les prochaines étapes consisteront à valider expérimentalement en laboratoire les vulnérabilités thérapeutiques identifiées par l'analyse. Cette phase est essentielle pour déterminer si ces marqueurs moléculaires servent uniquement à affiner le pronostic ou s'ils ouvrent également la voie à de nouvelles cibles thérapeutiques. À long terme, l'objectif de l'équipe suédoise est d'intégrer ces outils dans une stratification du risque plus précise. L'espoir est de mieux identifier les patients susceptibles de bénéficier d'un traitement plus précoce ou mieux ciblé. Cette recherche illustre la médecine de précision fondée sur les données, en reliant des ensembles cliniques de grande ampleur aux algorithmes d'intelligence artificielle pour répondre à des enjeux oncologiques concrets.
