Un modèle d’intelligence artificielle capable d’anticiper la façon dont les cellules réagiront aux traitements pourrait conduire à des thérapies plus ciblées contre le cancer du sein triple négatif.
Un modèle basé sur l’intelligence artificielle qui prévoit comment les cellules réagiront aux traitements aidera à trouver des thérapies plus efficaces et ciblées contre le cancer du sein triple négatif, une forme agressive de cancer du sein qui représente environ 15 % de toutes les nouvelles diagnostics de cancer du sein.
La découverte décrite dans Nature est d’intérêt car les cellules de ce type de tumeur sont dépourvues des trois principales cibles moléculaires (hormono-dépendantes ou protéiques) pour lesquelles nous disposons de traitements ciblés. Pour cette raison, il est plus facile que ce cancer développe une résistance aux thérapies.
L’entraînement sur les cellules tumorales
Un groupe de chercheurs de l’Université Westlake de Hangzhou, en Chine, a travaillé à développer un modèle virtuel qui simule l’évolution temporelle des cellules tumorales du sein. L’innovation par rapport au passé réside précisément dans la tentative de capturer une évolution en cours et non seulement un état statique des cellules malignes.
Les chercheurs ont entraîné un modèle d’IA sur des données relatives à 18 lignées cellulaires de cancer du sein (16 desquelles provenaient de cancers du sein triples négatifs). Ils ont traité les cellules avec 63 médicaments anticancéreux déjà approuvés par la FDA et évalué comment plus de 5 500 groupes de protéines exprimées par les cellules tumorales avaient réagi aux différentes thérapies à 6, 24 ou 48 heures après l’administration des médicaments.
Les prévisions sur des médicaments non connus
Après cet entraînement, le modèle a appris à prévoir les effets des médicaments sur les cellules du cancer du sein triple négatif et à comprendre quelles protéines contribuaient à la résistance aux traitements. Ses capacités se sont étendues à des médicaments non connus : l’IA a atteint en effet 88 % de précision pour prédire la réponse cellulaire à 81 médicaments non inclus dans l’entraînement.
Lorsque les chercheurs l’ont testé sur les biopsies de tumeurs de 501 patients qui allaient débuter une chimiothérapie, le modèle a correctement prédit l’issue clinique des traitements qui leur seraient administrés.
De la théorie à la pratique
À ce stade, il a été décidé de tester les capacités de l’IA dans un scénario cliniquement pertinent, afin de trouver la combinaison de traitements la plus prometteuse pour traiter trois patientes atteintes d’un cancer du sein triple négatif, sur la base d’échantillons de leurs tumeurs prélevés et cultivés en laboratoire.
L’IA a parcouru entre 3 000 médicaments déjà approuvés ou en phase avancée d’essais cliniques, et a défini correctement quels étaient les trois médicaments les plus appropriés qui avaient été effectivement administrés aux patientes et qui s’étaient révélés efficaces. Elle a également suggéré trois composés plus efficaces que la thérapie standard, que les chercheurs ont ensuite testés sur les échantillons cellulaires et que les patientes ont ensuite reçus.
Les prérequis existent, mais il faut du temps
Le modèle est encore un prototype et, à ce titre, il devra être amélioré, par exemple en étudiant – à moyen terme – si les recommandations qu’il fournit restent valides sur le long terme, et en incluant dans l’entraînement des médicaments d’immunothérapie, jusqu’ici non pris en compte dans l’étude.
