Cancer : l’analyse d’images pour prédire l’efficacité de l’immunothérapie


  • Serge Cannasse
  • Actualités Médicales
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

Les immunothérapies sont une voie prometteuse du traitement des cancers, mais elles ne sont pas efficaces chez tous les patients. Un enjeu actuel est donc de prédire chez lesquels d’entre eux elle a une bonne probabilité de l’être. Des chercheurs de l’Institut Gustave Roussy, de Centrale Supélec, de l’Inserm, de l’Université Paris-Sud et de TheraPanacea (Supélec) se sont penchés sur ce problème à partir des nouveaux traitements anti-PD-1/anti-PD-L1 utilisés contre les tumeurs solides avancées. Ces immunothérapies visent à empêcher l’établissement du lien entre les récepteurs lymphocytaires PD-1 et les ligands exprimés à la surface des cellules tumorales PD-L1, lien qui inhibe l’activation de ces lymphocytes contre les cellules tumorales. Elles sont d’autant plus de chances d’être efficaces que le nombre de lymphocytes T CD8 dans le tissu tumoral est élevé. Actuellement, l’évaluation de ce nombre ne peut se faire qu’au moyen d’une biopsie.

Dans leur article publié dans le Lancet Oncology, les chercheurs expliquent qu’à partir des données de presque 500 patients ayant des tumeurs solides (quelle qu’en soit la localisation), issues de quatre cohortes indépendantes (notamment de l’essai MOSCATO et de l’Atlas du génome du cancer), ils ont construit une « signature radiomique » en comparant les images tomodensitométriques des tumeurs solides avec l’évaluation du nombre de CD8 par séquençage génomique de biopsies de ces mêmes tumeurs, puis en construisant un algorithme d’interprétation de ces images à partir de 8 variables. C’est l’algorithme lui-même qui a ensuite appris à sélectionner les informations pertinentes issues des scanners. Sa valeur prédictive a enfin été testée chez des patients traités par immunothérapie anti-PD et anti-PD-L1 dans des essais de phase 1.

La « signature radiomique » s’est révélée capable de discriminer les tissus tumoraux infiltrés par les cellules CD8 de ceux non infiltrés, et de prédire avec une bonne probabilité le taux de réponse à l’immunothérapie spécifique à 3 mois (p=0,049) et à 6 mois (p=0,025). Elle était également associée à la probabilité de survie globale des patients (24,3 mois chez les patients ayant une signature radiomique de score élevé, 11,5 mois chez les autres).

Les chercheurs estiment donc qu’il s’agit là d’une voie prometteuse pour sélectionner les patients susceptibles de bénéficier d’un traitement anti-PD1/anti-PD-L1, sans leur infliger une biopsie de tumeur. Leurs données ayant été obtenues rétrospectivement, ils estiment qu’il est à présent indispensable de tester cette approche par des essais randomisés prospectifs. Décidément, les applications de l’intelligence artificielle à la santé avancent à grands pas.