A deep-learning model based on histological images predicts survival and pathological response to neoadjuvant chemotherapy and chemoimmunotherapy in breast cancer

Imaginez que vous êtes un détective tentant de résoudre un mystère à l'intérieur d'une ville minuscule et bouillonnante. Dans cette ville, qui est un corps humain, les rues sont faites de cellules. Parfois, un groupe de cellules devient incontrôlable et commence à construire un quartier chaotique et dangereux appelé tumeur. Depuis des décennies, les médecins doivent deviner comment ce quartier va se comporter : restera-t-il petit ? Va-t-il se propager ? Écoutera-t-il les médicaments ? Pour le savoir, ils prennent généralement un minuscule morceau de la ville, le colorent avec des teintures violettes et roses (un processus appelé coloration H&E) et l'observent sous un microscope. C'est comme regarder une carte floue pour deviner la météo.

Récemment, les scientifiques ont découvert une meilleure façon de lire la carte : ils peuvent mesurer les « murmures » des cellules. En examinant le code génétique (les instructions de l'ADN) à l'intérieur des cellules, ils peuvent compter combien de cellules « soldats » (cellules immunitaires) se cachent à proximité. S'il y a beaucoup de soldats, le corps est prêt à combattre, et la tumeur est susceptible de rétrécir lorsqu'elle est traitée avec des médicaments spéciaux. C'est ce qu'on appelle une « signature d'expression génique ». C'est un outil puissant, mais il est coûteux, lent et nécessite un équipement spécial que tous les hôpitaux ne possèdent pas. C'est comme avoir besoin d'un supercalculateur juste pour vérifier la météo. Ainsi, la grande question pour les scientifiques est devenue : pouvons-nous regarder l'ancienne carte simple, violette et rose, et utiliser un cerveau informatique super intelligent (Intelligence Artificielle) pour deviner exactement ce que le test génétique coûteux dirait ? Si nous le pouvions, nous pourrions prédire l'avenir du cancer sans le coût élevé ou l'attente.

C'est exactement ce que l'équipe dirigée par François Bertucci s'est proposé de faire. Ils ont construit un détective numérique, un modèle d'IA qu'ils appellent « AI-ICR », entraîné à observer des lames de routine de cancer du sein et à prédire le « compte de soldats » sans jamais avoir besoin de réaliser un test génétique.

Voici comment ils ont entraîné leur détective numérique. D'abord, ils ne lui ont pas seulement appris le cancer du sein ; ils lui ont appris dix types différents de cancer, incluant le cancer du poumon, de la peau et du côlon. Ils ont utilisé une bibliothèque massive de 2 881 lames de microscope provenant du Cancer Genome Atlas (TCGA), couplées aux résultats réels des tests génétiques pour chacune d'elles. L'IA a appris à repérer les motifs visuels dans les colorations violettes et roses qui correspondent à la présence de ces gènes de « soldats ». Imaginez cela comme apprendre à un enfant à reconnaître un nuage d'orage par sa forme et sa couleur, même s'il n'a jamais vu la pluie. Une fois que l'IA fut passée maître en la matière, l'équipe l'a testée sur un nouveau groupe de 1 087 patientes atteintes d'un cancer du sein issues de la même bibliothèque. Le résultat ? L'IA était incroyablement précise. Elle a correctement deviné le statut des « soldats » 93,7 % du temps, un score qui est aussi proche de la perfection qu'un ordinateur puisse l'être dans ce domaine.

Mais connaître le statut n'est que la moitié de la bataille ; la vraie question est : cela aide-t-il les médecins à sauver des vies ? L'équipe a découvert que la réponse est un oui retentissant. Ils ont découvert que les patientes dont les tumeurs étaient marquées comme « AI-ICR-high » (signifiant que l'IA a vu beaucoup de soldats) avaient une bien meilleure chance de survie. En fait, ces patientes étaient moins de trois fois plus susceptibles de mourir de la maladie par rapport à celles ayant des tumeurs « AI-ICR-low ». C'est comme avoir une prévision météorologique qui vous dit : « Vous êtes dans une zone sûre », contre « Vous êtes dans une tempête ».

La partie la plus excitante de l'histoire concerne le traitement. L'équipe a observé des patientes recevant une thérapie « néoadjuvante », ce qui signifie recevoir une chimiothérapie (et parfois une immunothérapie) avant la chirurgie pour réduire la taille de la tumeur. Ils voulaient voir si l'IA pouvait prédire qui atteindrait une « Réponse Pathologique Complète » (pCR). C'est le « Saint Graal » du traitement : quand la chirurgie a lieu, et que les médecins ne trouvent absolument plus de cancer derrière.

Le modèle AI-ICR était une boule de cristal pour cela. Dans le groupe de patientes traitées par chimiothérapie standard, celles présentant des tumeurs « AI-ICR-high » avaient 65 % de chances de n'avoir plus aucun cancer après la chirurgie, contre seulement 30 % pour le groupe « low ». Mais la magie a vraiment opéré lorsqu'ils ont ajouté l'immunothérapie (des médicaments qui réveillent les soldats). Dans ce groupe, les patientes « AI-ICR-high » ont connu un taux de succès incroyable de 81 % de n'avoir plus aucun cancer, tandis que le groupe « low » n'atteignait que 36 %. L'IA n'a pas seulement prédit qui survivrait ; elle a prédit qui serait le plus susceptible d'obtenir une réponse complète au traitement.

Les scientifiques ont également jeté un coup d'œil sous le capot pour voir pourquoi l'IA était si performante. Ils ont vérifié les données génétiques des tumeurs que l'IA avait étiquetées comme « high » et ont trouvé qu'elles étaient effectivement remplies de gènes immunitaires et de cellules soldats actives. L'IA ne faisait pas que deviner ; elle voyait la réalité biologique cachée dans les couleurs de la lame.

Cependant, les auteurs prennent soin de nous dire que ceci n'est pas un produit fini prêt pour chaque hôpital dès demain. Ils admettent que leur étude présentait certaines limites. Le groupe « AI-ICR-high » avait tendance à présenter des tumeurs déjà connues pour être agressives (comme le cancer du sein triple négatif), ce qui est un mélange complexe : l'IA les a correctement identifiées comme étant à haut risque, mais a aussi correctement identifié qu'elles étaient celles les plus susceptibles de répondre aux médicaments puissants stimulant l'immunité. L'étude reposait également sur un mélange de types de lames anciens et nouveaux, et l'équipe note que les travaux futurs devront confirmer ces résultats sur des groupes de personnes encore plus larges et avec différents types d'échantillons de tissus.

En fin de compte, cet article suggère une possibilité passionnante : nous pourrons bientôt utiliser une simple et peu coûteuse lame de microscope et un ordinateur intelligent pour nous dire exactement comment un cancer du sein va se comporter et quels médicaments fonctionneront le mieux. Cela transforme un test génétique complexe et coûteux en quelque chose d'aussi simple que l'observation d'une image, rendant potentiellement la médecine de précision accessible à tous, et pas seulement aux quelques privilégiés ayant accès à des laboratoires de haute technologie. L'IA n'a pas seulement lu la carte ; elle a appris à prédire la tempête avant la première goutte de pluie.