Cancer du poumon: comment prédire si le traitement sera efficace

Il existe seulement un à deux projets de ce type en cours dans le monde. Le 1er décembre dernier, le CAL à Nice et le Centre Inria à Sophia Antipolis ont lancé un projet de recherche en intelligence artificielle destiné à améliorer l’espérance de vie de patients atteints d’un cancer du poumon.

Article réservé aux abonnés
Nancy Cattan ncattan@nicematin.fr Publié le 23/01/2023 à 12:30, mis à jour le 23/01/2023 à 11:23
L’algorithme sera entraîné sur plus d’un millier d’images obtenues grâce à la technique TEP (tomographie par émission de positons), avant et après immunothérapie. Photo DR

Proposer la prise en charge la plus adaptée au profil de chaque patient atteint de cancer du poumon pour augmenter les chances de guérison, tout en limitant les toxicités et une perte de temps préjudiciable pour les patients non répondeurs. C’est l’ambition du projet de recherche très innovant, "FEDERATED-PET" (1), porté par un clinicien, le Pr Olivier Humbert, médecin nucléaire au Centre de lutte contre le cancer Antoine Lacassagne, en partenariat avec un mathématicien, Marco Lorenzi, chercheur en sciences du numérique à l’Inria (2).

À la genèse de ce projet, un constat: l’efficacité d’un traitement varie grandement d’un individu à l’autre. Précisions avec le Pr Humbert: "Lorsqu’un cancer du poumon est découvert à un stade avancé, métastasique, l’immunothérapie (IT) est désormais le traitement standard de première ligne pour 80% des patients. Son efficacité a en effet été clairement démontrée; en quelques années, on a réussi – grâce à ce traitement – à obtenir chez un certain nombre de patients une amélioration sensible du pronostic, et pour certains patients, des rémissions prolongées jusque-là non observées avec les chimiothérapies habituelles. Malheureusement, si environ la moitié des patients tire des bénéfices de l’immunothérapie, avec même une rémission complète pour 20% d’entre eux, ce n’est pas le cas de tous les malades."

Pour eux, c’est alors la double peine: outre cette absence d’efficacité, ils doivent subir la toxicité liée à l’immunothérapie (lire encadré ci-contre).

Mieux cibler les patients éligibles

Ces patients inutilement traités représentent des milliers de personnes, chaque année en France. Il est essentiel que l’on identifie rapidement des "biomarqueurs permettant de prédire l’efficacité de l’immunothérapie. On pourra ainsi mieux cibler les patients éligibles et individualiser la stratégie thérapeutique pour améliorer l’espérance de vie de ces patients répondeurs, tout en limitant des toxicités et perte de temps pour les patients non-répondeurs."

En tête des marqueurs de prédiction qui intéressent les scientifiques, le volume de la tumeur et des métastases, tels qu’ils peuvent être évalués grâce aux examens d’imagerie. "On sait que lorsque ce volume est important, l’immunothérapie est souvent un échec. Mais nous ne pouvons l’affirmer à 100%, il reste un certain degré d’incertitude. Ce qui rend la décision thérapeutique très difficile. Peut-on prendre le risque de ne pas traiter une personne souffrant d’une maladie aussi grave qu’un cancer du poumon s’il y a un espoir, même maigre, de bénéfice?" Passer de 60 à 70% de certitude à quasi 100%, c’est tout l’objectif de ces recherches. Comment? En s’appuyant sur des caractéristiques très fines, présentes sur les images, et en donnant des informations sur la tumeur elle-même, mais aussi sur le terrain immunitaire du patient. Et c’est grâce à l’intelligence artificielle que ces outils prédictifs pourraient bientôt voir le jour.

"Les nouveaux algorithmes d’intelligence artificielle permettent une analyse ‘‘en profondeur’’ des images médicales, pour en extraire des caractéristiques non visibles par l’œil humain mais potentiellement très informatives sur l’efficacité future des traitements", informe le Pr Humbert.

"La difficulté est que ces algorithmes ont besoin d’être entraînés sur un grand nombre d’images pour être en capacité de prédire la réponse au traitement, complète Marco Lorenzi. Or, ces images médicales étant privées et confidentielles, il est actuellement difficile de constituer de grandes bases de données sécurisées en dehors des hôpitaux. Et c’est tout l’enjeu du projet FEDERATED-PET que nous menons."

Et qui a toutes les chances d’aboutir au profit des malades qui font chaque année face au diagnostic de cancer du poumon, 3e cancer le plus fréquent et 1re cause de mortalité par cancer en France. On mesure les enjeux.

1. Le projet a débuté en novembre 2022 et durera 3 ans. Il implique 8hôpitaux français, 5 centres de recherche de renommée internationale et il est lauréat 2022 du Programme de Recherche Translationnelle en Cancérologie de l’Institut National du Cancer (INCa) – Direction Générale de l’Offre de Soins.

2. Tous deux sont titulaires d’une chaire 3IA (Institut Interdisciplinaire d’Intelligence Artificielle) Côte d’Azur, consacrée aux applications de l’IA à la santé (imagerie clinique).

Effets secondaires

Si les effets secondaires liés à l’immunothérapie sont un peu moins fréquents que ceux associés à la chimiothérapie, ils n’en sont pas moins sévères : infection pulmonaire, inflammation de la thyroïde, diarrhées... "qui peuvent conduire à suspendre le traitement", indique le Pr Olivier Humbert.

Olivier Humbert, médecin nucléaire et Marco Lorenzi, mathématicien. Photo N.C..

Interview express

Olivier Humbert, médecin nucléaire et Marco Lorenzi, mathématicien

Contourner les difficultés liées au partage de données privées et confidentielles

Comment est né le projet Federated-med?

Pour entraîner l’algorithme à prédire la réponse au traitement, il faut beaucoup d’images TEP (tomographie par émission de positons) au 18FDG (18Fluoro-déoxy-glucose), au moins un millier, issues d’examens réalisés chez des patients qui ont répondu ou pas à l’immunothérapie.

Or, si le cancer du poumon est une maladie fréquente qui permet, grâce à une collaboration entre plusieurs hôpitaux, de recueillir une quantité très importante de données, il est aujourd’hui très difficile de partager ces informations sensibles entre les hôpitaux. Elles sont privées et confidentielles. D’où l’idée d’utiliser une technologie appelée « apprentissage fédéré » et permettant de contourner cette difficulté.

De quelle façon?

Au lieu de centraliser les données, on demande à chaque hôpital partenaire du projet d’entraîner le modèle seul, c’est-à-dire sur ses propres données. Puis on centralise ces modèles d’IA grâce à une infrastructure de communication.

Cela reste du partage de données sensibles?

Non, ce ne sont pas des données médicales qui sont partagées, mais des modèles ; les données ne sortent pas de l’hôpital où elles sont produites. L’algorithme final est obtenu par agrégation de ces modèles. Ce qui permet aussi de contourner les problèmes de gouvernance des établissements (certains sont moins favorables que d’autres au partage de données) et aussi de sécurité.

Combien d’établissements dédiés au cancer ont adhéré à votre projet?

Huit centres de lutte contre le cancer (CLCC), incluant le CAL, sont impliqués, dont des instituts très importants comme l’IGR (institut Gustave Roussy) et l’institut Curie. Ce qui représente plus de 1.000 patients sous immunothérapie.

Sur quels types de données chaque hôpital va-t-il travailler?

Chaque CLCC prépare ses propres bases de données: images TEP, avant la mise en route du traitement, éléments cliniques, âge, poids, état général, données biologiques et réponse ou pas à l’immunothérapie.

Ces données sur plusieurs années permettront de voir si l’immunothérapie a été ou pas efficace et d’identifier des marqueurs prédictifs de cette réponse.

En quoi ce projet est-il une première?

Il s’appuie sur une plateforme logicielle Fed-Bio-Med, une infrastructure informatique innovante que nous avons développée à l’Inria et qui permet de faire communiquer entre eux plusieurs hôpitaux et d’entraîner les modèles d’IA de manière collaborative et sécurisée sur des données hétérogènes.

Cet entraînement se fait donc sur les données biomédicales de plusieurs hôpitaux, sans avoir besoin de les faire sortir du réseau informatique de l’hôpital qui les a produites.

“Rhôooooooooo!”

Vous utilisez un AdBlock?! :)

Vous pouvez le désactiver juste pour ce site parce que la pub permet à la presse de vivre.

Et nous, on s'engage à réduire les formats publicitaires ressentis comme intrusifs.