Modéliser la tumeur pour vaincre le cancer

Modéliser la tumeur pour vaincre le cancer
Source : Sciencesetavenir.fr
23/04/2019 15:05

Les avatars numériques des cellules cancéreuses, obtenus grâce à l’analyse des données médicales des patients, permettront aux grands centres anticancer en France de tester de nouveaux traitements. 

C’est le stade ultime de la médecine prédictive et personnalisée : produire un avatar numérique à l’échelle génomique et biologique de la tumeur. L’idée - encore futuriste - de cet objet informatique un peu fou a émergé grâce à l’explosion du recueil des données de santé sur les patients et à la capacité de les analyser rapidement et efficacement grâce aux algorithmes. Objectif : obtenir une modélisation 3D se comportant "comme" le cancer in vivo, afin de tester tel ou tel traitement, voire d’en développer de nouveaux. Mais aussi de prédire une réaction positive ou négative et identifier les éventuelles résistances acquises par les différents types de cellules de la tumeur qui, toutes, dérivent d’erreurs successives dans la réplication de l’ADN. Un nouveau champ de recherche en pleine expansion, sous l’irrépressible poussée de l’intelligence artificielle (IA).

Tous les grands centres anticancer de France se sont ainsi engagés dans l’exploitation des big data (mégadonnées) de leurs patients en nouant des collaborations avec des start-up spécialisées en IA : l’Institut Curie, à Paris, s’est ainsi allié à Owkin et Gustave-Roussy à Villejuif (Val-de-Marne) à Therapanacea. De son côté, Sophia Genetics, start-up suisse pionnière dans l’analyse génomique dans plus de 920 hôpitaux à travers 77 pays, a levé 77 millions d’euros en début d’année pour renforcer son pôle IA. Avec une idée innovante : combiner tous les types de données disponibles (génomique, radiomique - analyse des données profondes de l’imagerie -, clinique, biologique) en un seul modèle. Elle vient ainsi de lancer le projet Pimiento avec l’Inria (Institut national de recherche dédié aux sciences du numérique) à Bordeaux. L’entreprise en a d’ailleurs profité pour "débaucher" Thierry Colin, ancien chef d’équipe de l’institut, et acquérir au passage la technologie de modélisation à partir de données d’imagerie développée par son ancien laboratoire.

Multiplier les données pour améliorer les modèles

"L’idée de Pimiento est de coupler l’expertise sur l’imagerie avec l’analyse des données génomiques pour obtenir un outil utilisable en clinique", explique le mathématicien. L’expérience se concentre pour l’heure sur le cancer du poumon dit non à petites cellules, le troisième plus fréquent en France avec 40 000 nouveaux cas par an. L’équipe de Thierry Colin a développé des algorithmes d’analyse d’imagerie permettant de modéliser de façon plus ou moins fine l’évolution spatiale de différentes structures tumorales (rein, métastases pulmonaires, méningiomes, gliome), mais aussi son hétérogénéité cellulaire, détectable à partir des données de texture de l’image. Ce modèle va désormais intégrer les données génétiques spécifiques de la tumeur. "Dans le cancer du poumon, nous pourrons ainsi affiner sur les images l’hétérogénéité correspondant aux différentes mutations génétiques. Au final, ce couplage génomique-radiomique nous permet d’observer à l’image le résultat de cette hétérogénéité tumorale et des mutations qui en sont à l’origine ; éventuellement même des mutations de résistance à certains traitements", détaille Thierry Colin.

L’Institut Bergonié, à Bordeaux, et l’hôpital Tenon, à Paris, sont les premiers établissements à avoir été associés au projet Pimiento, l’objectif étant d’impliquer plus de centres de lutte contre le cancer pour disposer de davantage de données et rendre ainsi les modèles plus fiables. « Il s’agit de récupérer pour chaque patient les examens d’imagerie (scanner et PETscan) réalisés avant et au début du traitement, ainsi que les informations biologiques et cliniques et les données génomiques de sa tumeur », poursuit Thierry Colin désormais en charge du pôle radiomique chez Sophia Genetics.

Mathématiciens et informaticiens manquent encore de données initiales

Une dizaine de mutations sont particulièrement recherchées, car c’est sur elles que repose une prise de décision clinique. "Nous analysons d’abord les résultats du couplage génomique-radiomique, enrichis des effets secondaires, puis réalisons de nouvelles imageries pour évaluer la réponse précoce au traitement. Plus nous disposerons de données issues d’un nombre toujours plus important de patients, plus nous perfectionnerons “l’apprentissage” de l’algorithme afin qu’il établisse finement quel traitement serait le plus efficace selon les malades, détaille Thierry Colin. Ainsi, alors que l’immunothérapie est censée être peu utile pour les formes de cancers du poumon ayant une mutation de l’EGFR (récepteur impliqué dans la progression tumorale), l’algorithme pourrait quand même suggérer son emploi dans des cas très minoritaires sur lesquels il en aura repéré l’efficacité. L’objectif est de sortir du régime statistique global pour travailler sur des informations personnalisées."

Pas si simple ! D’abord parce que mathématiciens et informaticiens manquent encore de données initiales, ce nerf de la recherche. "Nous disposons d’énormément d’informations sur le génome de chacun de nos patients… mais beaucoup moins de patients que d’informations ! Ce qui pose des problèmes statistiques", explique Chloé-Agathe Azencott...

Recherche
Newsletter
Conformément à la loi 09-08, vous disposez d’un droit d’accès, de rectification et d’opposition au traitement de vos données personnelles.
Ce traitement a été autorisé par la CNDP sous le n° D-W-343/2017

*: champ obligatoire

Météo Plus

En bref Voir plus



Les articles les plus lus

Buzz

En poursuivant votre navigation sur notre site internet, vous acceptez que des cookies soient placés sur votre terminal. Ces cookies sont utilisés pour faciliter votre navigation, vous proposer des offres adaptées et permettre l'élaboration de statistiques. Pour obtenir plus d'informations sur les cookies, vous pouvez consulter notre Notice légale