L'IA prédit la réponse à l'immunothérapie des cancers rares

Des chercheurs du MD Anderson Cancer Center (Université du Texas) ont démontré qu'une analyse pathologique assistée par intelligence artificielle peut prédire la réponse à l'immunothérapie chez les patients atteints de cancers rares. Ces résultats, publiés dans le Journal for ImmunoTherapy of Cancer, s'appuient sur les travaux menés sous la direction du professeur Aung Naing. L'étude montre que l'IA permet d'extraire des informations cliniques significatives directement à partir des biopsies tumorales standards, ouvrant la voie à des décisions thérapeutiques plus personnalisées. L'outil d'intelligence artificielle analyse l'environnement microtumoral, c'est-à-dire l'espace situé autour des cellules cancéreuses et dans lequel évoluent les tissus et les cellules immunitaires. Contrairement à la lecture manuelle des lames de pathologie, qui demande un temps considérable et reste difficile à généraliser sur de grands échantillons, l'IA calcule instantanément le nombre de cellules immunitaires infiltrées et la charge tumorale. Elle suit également l'évolution de ces marqueurs sur plusieurs biopsies réalisées au cours du traitement. Cette approche utilise des lames de routine, sans nécessiter de tests supplémentaires coûteux. L'analyse révèle que l'augmentation de l'infiltration immunitaire dans la tumeur, combinée à une réduction de sa masse, constitue le meilleur indicateur de réussite thérapeutique. Lorsque ces deux signaux sont favorables, les patients présentent un risque de progression de la maladie ou de décès réduit de soixante-quatre pour cent. En moyenne, leur survie médiane atteint quarante-deux mois, contre dix mois pour les patients sans ces marqueurs. Cette combinaison reflète une réponse immunitaire active couplée à une diminution effective de la charge tumorale. Bien que ces résultats soient prometteurs, les auteurs soulignent que des validations sur des populations plus larges sont nécessaires avant d'intégrer cette méthode dans la pratique clinique courante. Le professeur Naing précise que cette approche marque un progrès significatif pour les cancers rares, souvent dépourvus de biomarqueurs prédictifs établis. En automatisant l'analyse de l'environnement tumoral à partir de lames d'histologie standard, l'intelligence artificielle pourrait à terme orienter plus précisément le recours à l'immunothérapie et optimiser les soins pour des patients dont les options thérapeutiques restent limitées.