L'intelligence artificielle utile pour prédire l’efficacité de l’immunothérapie

Si l’immunothérapie est prometteuse pour le traitement de certains cancers, seuls 15 à 30 % des patients y sont répondeurs. Or pour le moment, aucun marqueur ne permet de le savoir en amont. L’intelligence artificielle pourrait changer la donne et permettre de mieux cibler ces traitements comme le suggère une étude française parue hier dans le Lancet Oncology.

Sachant que plus l’environnement immunologique d’une tumeur est riche en lymphocytes, plus l’immunothérapie a de chance d’être efficace, les auteurs ont cherché à estimer cet environnement grâce à l’imagerie pour le corréler à la réponse clinique des patients.

Score prédictif d'efficacité

Ils ont conçu un algorithme capable d’analyser une image de scanner puis lui ont appris, à partir de données issues de 500 patients, à évaluer le niveau d’infiltration lymphocytaire de la tumeur scannée. Grâce à cette technique de « machine learning », ils ont pu définir une signature dite « radiomique » qui détermine un score prédictif de l’efficacité de l’immunothérapie chez un patient.

La fiabilité et la pertinence de ce score ont ensuite été testées à partir des données de patients inclus dans des essais d’immunothérapie anti-PD-1/PD-L1 de phase I.

Ces tests se sont avérés concluants : les patients chez qui l'immunothérapie fonctionnait après 3 et 6 mois présentaient un score radiomique plus élevé, de même que ceux qui avaient une meilleure survie.

« Les essais doivent désormais se poursuivre avec plus de patients et différents types de cancer », indiquent les chercheurs. Alors que l’immunothérapie a un coût important et n’est pas totalement dénuée d’effets secondaires, l’espoir à terme est de pouvoir identifier avec précision les patients à même d’en tirer réellement un bénéfice.