Les chercheurs de l’institut Winship de recherche sur le cancer (Université Emory, Atlanta) et du centre de cancérologie de l’université de Pennsylvanie ont mis au point la première plateforme en mesure d’assister les médecins à sélectionner, à partir des résultats d’essais cliniques, les patients les plus susceptibles de bénéficier d’un traitement. Cet outil, qui utilise l’intelligence artificielle (IA), a déjà démontré que l’homogénéité des patients recrutés dans les études ne permet pas de calquer les résultats publiés sur les malades croisés en vie réelle. Il est toutefois possible de corriger cette différence, pour fournir au praticien un pronostic plus exact.
Dans un article publié dans Nature Medicine, la petite équipe de recherche menée par l’oncologue Ravi Parikh et le professeur de biostatistiques et de science de l’informatique Qi Long, explique comment ils ont développé et entraîné un modèle d’apprentissage automatique (ou machine learning) désormais disponible en open source.
Le Dr Parikh et son équipe avaient déjà mis au point TrialTranslator, une IA capable de « traduire » les résultats d’essais cliniques pour le grand public. Avec ce nouveau travail, ils ont virtuellement reproduit 11 essais cliniques pivots, dans l’indication des cancers du poumon non à petites cellules et des cancers métastatiques du sein, de la prostate, et du colon, en utilisant des données issues de patients de la vie réelle. Selon les résultats obtenus, il était possible de définir les catégories de patients qui seraient de bons candidats.
Un manque d’hétérogénéité coupable
Moins de 10 % des patients participent à un essai clinique, ce qui est loin d’être représentatif de l’ensemble. « Les patients croisés en vie réelle sont plus hétérogènes que dans les études. Même si les résultats d’un essai randomisé sont positifs, il existe des catégories de patients pour lesquels un nouveau traitement ne fonctionne pas, ajoute le Dr Parikh. Cet outil permettra aux patients et à leurs médecins de savoir si les résultats d’une étude de phase 3 leur sont applicables ou non. »
L’observation principale des chercheurs est que les patients ayant un phénotype à risque faible ou moyen ont, dans leur simulation, le même gain de survie associée aux traitements que les participants aux études phase 3, mais ceux ayant un phénotype à haut risque ont une survie significativement plus faible. Ces résultats suggèrent que l’IA pourrait identifier, parmi les patients en vie réelle, des groupes pour lesquels les résultats des essais cliniques ne sont pas généralisables. « Le pronostic des patients, plus encore que les critères d’inclusion, constitue le meilleur prédicteur de la survie du patient et du bénéfice à attendre d’un traitement », écrivent les auteurs.
Ces derniers rejoignent la position de la Société américaine d’oncologie clinique, qui recommande d’améliorer la représentativité des patients à haut risque dans les essais cliniques.
« Des trous dans la raquette ! » : la revalorisation des actes techniques laisse déjà les spécialistes sur leur faim
Dr Patrick Gasser (Avenir Spé) : « Mon but n’est pas de m’opposer à mes collègues médecins généralistes »
Congrès de la SNFMI 2024 : la médecine interne à la loupe
La nouvelle convention médicale publiée au Journal officiel, le G à 30 euros le 22 décembre 2024