Bakou, 8 juillet, AZERTAC

Les scientifiques ont conçu un outil d’IA capable de décoder rapidement l’ADN d’une tumeur cérébrale pour déterminer son identité moléculaire pendant la chirurgie - des informations critiques qui, selon l’approche actuelle, peuvent prendre quelques jours, voire quelques semaines, selon le site « crumpe.com ».

Connaître le type moléculaire d’une tumeur permet aux neurochirurgiens de prendre des décisions telles que la quantité de tissu cérébral à retirer et s’il faut placer des médicaments tuant les tumeurs directement dans le cerveau - pendant que le patient est toujours sur la table d’opération.

Un rapport sur les travaux, dirigé par des chercheurs de la Harvard Medical School, est publié le 7 juillet dans la revue Avec.

Un diagnostic moléculaire précis - qui détaille les altérations de l’ADN dans une cellule - pendant la chirurgie peut aider un neurochirurgien à décider de la quantité de tissu cérébral à retirer. Enlever trop lorsque la tumeur est moins agressive peut affecter la fonction neurologique et cognitive du patient. De même, enlever trop peu lorsque la tumeur est très agressive peut laisser des tissus malins qui peuvent se développer et se propager rapidement.

« Â l’heure actuelle, même la pratique clinique de pointe ne peut pas profiler les tumeurs moléculairement pendant la chirurgie. Notre outil surmonte ce défi en extrayant des signaux biomédicaux jusqu’ici inexploités à partir de lames de pathologie congelées », a déclaré l’auteur principal de l’étude, Kun-Hsing Yu, assistant. professeur d’informatique biomédicale à l’Institut Blavatnik du HMS.

Connaître l’identité moléculaire d’une tumeur pendant la chirurgie est également précieux car certaines tumeurs bénéficient d’un traitement sur place avec des plaquettes enrobées de médicament placées directement dans le cerveau au moment de l’opération, a déclaré Yu.

“La capacité de déterminer un diagnostic moléculaire peropératoire en temps réel, pendant la chirurgie, peut propulser le développement de l’oncologie de précision en temps réel”, a ajouté Yu.

L’approche diagnostique peropératoire standard utilisée actuellement consiste à prélever du tissu cérébral, à le congeler et à l’examiner au microscope. Un inconvénient majeur est que la congélation du tissu a tendance à modifier l’apparence des cellules au microscope et peut interférer avec la précision de l’évaluation clinique. De plus, l’œil humain, même lorsqu’il utilise des microscopes puissants, ne peut pas détecter de manière fiable les variations génomiques subtiles sur une lame.

La nouvelle approche de l’IA surmonte ces défis.

L’outil, appelé CHARM (Cryosection Histopathology Assessment and Review Machine), est disponible gratuitement pour les autres chercheurs. Il doit encore être validé cliniquement par des tests dans des conditions réelles et autorisé par la FDA avant son déploiement dans les hôpitaux, a déclaré l’équipe de recherche.

Craquer le code moléculaire du cancer

Les progrès récents de la génomique ont permis aux pathologistes de différencier les signatures moléculaires - et les comportements que ces signatures laissent présager - dans divers types de cancer du cerveau ainsi que dans des types spécifiques de cancer du cerveau. Par exemple, le gliome - la tumeur cérébrale la plus agressive et la forme la plus courante de cancer du cerveau - a trois sous-variantes principales qui portent différents marqueurs moléculaires et ont des propensions différentes à la croissance et à la propagation.

La capacité du nouvel outil à accélérer le diagnostic moléculaire pourrait être particulièrement précieuse dans les zones où l’accès à la technologie est limité pour effectuer un séquençage génétique rapide du cancer.

Au-delà des décisions prises pendant la chirurgie, la connaissance du type moléculaire d’une tumeur fournit des indices sur son agressivité, son comportement et sa réponse probable aux différents traitements. Une telle connaissance peut éclairer les décisions postopératoires.

En outre, le nouvel outil permet des diagnostics pendant la chirurgie alignés sur le système de classification récemment mis à jour de l’Organisation mondiale de la santé pour diagnostiquer et classer la gravité des gliomes, qui demande que de tels diagnostics soient effectués sur la base du profil génomique d’une tumeur.

Formation CHARME

CHARM a été développé à partir de 2 334 échantillons de tumeurs cérébrales provenant de 1 524 personnes atteintes de gliome provenant de trois populations de patients différentes. Lorsqu’il a été testé sur un ensemble inédit d’échantillons de cerveau, l’outil a distingué les tumeurs avec des mutations moléculaires spécifiques avec une précision de 93 % et a classé avec succès trois principaux types de gliomes avec des caractéristiques moléculaires distinctes qui portent des pronostics différents et répondent différemment aux traitements.

Allant plus loin, l’outil a capturé avec succès les caractéristiques visuelles du tissu entourant les cellules malignes. Il était capable de repérer des zones révélatrices avec une plus grande densité cellulaire et plus de mort cellulaire dans les échantillons, qui signalent tous deux des types de gliomes plus agressifs.

L’outil a également pu identifier des altérations moléculaires cliniquement importantes dans un sous-ensemble de gliomes de bas grade, un sous-type de gliome moins agressif et donc moins susceptible d’envahir les tissus environnants. Chacun de ces changements signale également une propension différente à la croissance, à la propagation et à la réponse au traitement.

L’outil a en outre relié l’apparence des cellules - la forme de leurs noyaux, la présence d’œdème autour des cellules - au profil moléculaire de la tumeur. Cela signifie que l’algorithme peut déterminer la relation entre l’apparence d’une cellule et le type moléculaire d’une tumeur.

Cette capacité à évaluer le contexte plus large autour de l’image rend le modèle plus précis et plus proche de la façon dont un pathologiste humain évaluerait visuellement un échantillon de tumeur, a déclaré Yu.

Les chercheurs disent que bien que le modèle ait été formé et testé sur des échantillons de gliome, il pourrait être recyclé avec succès pour identifier d’autres sous-types de cancer du cerveau.

Les scientifiques ont déjà conçu des modèles d’IA pour profiler d’autres types de cancer - côlon, poumon, sein - mais les gliomes sont restés particulièrement difficiles en raison de leur complexité moléculaire et de l’énorme variation de la forme et de l’apparence des cellules tumorales.

L’outil CHARM devrait être recyclé périodiquement pour refléter les nouvelles classifications de maladies à mesure qu’elles émergent de nouvelles connaissances, a déclaré Yu.

“Tout comme les cliniciens humains qui doivent s’engager dans une formation continue, les outils d’IA doivent se tenir au courant des dernières connaissances pour rester au sommet de leurs performances.”

Paternité, financement, divulgations

Les coinvestigateurs comprenaient MacLean P. Nasrallah, Junhan Zhao, Cheng Che Tsai, David Meredith, Eliana Marostica, Keith L. Ligon et Jeffrey A. Golden.

Ce travail a été soutenu en partie par la subvention R35GM142879 de l’Institut national des sciences médicales générales, le Google Research Scholar Award, le Blavatnik Center for Computational Biomedicine Award, le Partners Innovation Discovery Grant et le Schlager Family Award for Early-Stage Digital Health Innovations.