Voir la traduction automatique
Ceci est une traduction automatique. Pour voir le texte original en anglais cliquez ici
#Actualités du secteur
{{{sourceTextContent.title}}}
Outil d'IA pour prédire l'efficacité de la thérapie aux points de contrôle
{{{sourceTextContent.subTitle}}}
Des chercheurs de la Case Western Reserve University ont mis au point un nouvel outil informatique pour prédire, à partir de l'imagerie par tomodensitométrie, si les patients atteints d'un cancer du poumon bénéficieront d'un traitement anticancéreux par inhibiteur du point de contrôle immunitaire. Il s'agit d'un développement passionnant pour les patients atteints d'un cancer du poumon, qui pourrait un jour contribuer à éclairer les décisions médicales.
{{{sourceTextContent.description}}}
À l'heure actuelle, il n'existe aucun biomarqueur prédictif permettant de déterminer si les patients atteints d'un cancer du poumon non à petites cellules (CPN) bénéficieront d'un traitement aux inhibiteurs du point de contrôle immunitaire, une nouvelle forme de traitement du cancer qui aide le système immunitaire du corps à combattre plus efficacement le cancer. À l'heure actuelle, un seul patient sur cinq seulement bénéficie d'un traitement aux inhibiteurs du système immunitaire aux points de contrôle. Afin de mieux éclairer la prise de décisions médicales, les chercheurs ont mis au point un outil informatique permettant de prédire si les patients bénéficieraient d'un traitement fondé sur des images TDM des poumons.
Un patient NSLC subirait d'abord une imagerie par tomodensitométrie, ce qui l'aiderait à visualiser le nodule tumoral dans les poumons. L'outil de calcul analyse la taille du nodule, ainsi que des caractéristiques plus subtiles comme la texture et la forme. Ces caractéristiques sont ensuite utilisées pour prédire si un patient répondrait ou non au traitement immunologique. Les chercheurs ont formé un classificateur d'analyse discriminante linéaire (LDA) utilisant les données de 139 patients NSLC pour cette tâche, mais le système peut probablement être amélioré avec un plus grand ensemble de données.
En utilisant de multiples ensembles de données pour la formation et la validation, les chercheurs ont trouvé une aire sous la courbe de 0,81 à 0,85 pour identifier les répondants parmi les non-répondants. Ils ont également identifié que les caractéristiques radiologiques qu'ils ont identifiées étaient associées à une plus grande infiltration des cellules immunitaires dans les tissus pulmonaires, d'après les biopsies diagnostiques effectuées sur certains des patients de l'étude. Les travaux futurs comprendront la mise à l'essai de l'algorithme sur des cas provenant d'autres sites cliniques et avec différents agents d'immunothérapie.
"C'est important parce que lorsqu'un médecin décide, en se basant uniquement sur les images tomodensitométriques, si un patient a répondu au traitement, c'est souvent en fonction de la taille de la lésion ", explique Mohammad Khorrami, étudiant diplômé et co-auteur de l'étude, dans un communiqué de presse Case Western. "Nous avons constaté que le changement de texture est un meilleur prédicteur de l'efficacité de la thérapie.
"C'est une démonstration de la valeur fondamentale du programme, à savoir que notre modèle d'apprentissage machine pourrait prédire la réponse chez les patients traités avec différents inhibiteurs des points de contrôle immunitaires ", a déclaré Prateek Prasanna, associée de recherche postdoctorale et coauteure de l'étude. "Nous avons affaire à un principe biologique fondamental."
L'étude dans la revue Cancer Immunology Research : Les changements dans les caractéristiques radiomiques de la tomodensitométrie associés à la distribution des lymphocytes prédisent la survie globale et la réponse à l'immunothérapie dans le cancer du poumon non à petites cellules