Points clés
- Les chercheurs ont examiné comment l’apprentissage automatique et le séquençage génomique peuvent prédire la survie et les réponses aux traitements du cancer de l’estomac.
- Les chercheurs ont déterminé que les trois voies principales du cancer de l’estomac étaient constituées de trente-deux gènes dans l’étude.
- Les chercheurs ont constaté que la signature de trente-deux gènes permettait de prédire la survie globale et la réponse au traitement.
Tous les patients atteints de cancer ne bénéficient pas d’une chimiothérapie ou d’une immunothérapie. Disposer d’un moyen de prédire les réponses des patients aux différentes options de traitement du cancer pourrait contribuer à améliorer les résultats. Une nouvelle étude publiée dans Nature Communications montre comment la combinaison de l’intelligence artificielle (IA) et du séquençage génomique peut prédire la survie et les réponses aux traitements du cancer de l’estomac.
« Il existe actuellement peu de biomarqueurs prédictifs pour guider les choix de traitement des patients atteints de cancer gastrique », écrivent les chercheurs affiliés à la Mayo Clinic, à la Cleveland Clinic, au Yonsei University College of Medicine, au Seoul St. Mary’s Hospital et à l’University of Texas Southwestern Medical Center.
Le cancer de l’estomac, également connu sous le nom de cancer gastrique, est la quatrième cause de décès par cancer dans le monde et la cinquième la plus fréquente selon les statistiques de 2020 de Global Cancer Statistics (GLOBOCAN). Les chercheurs ont mené une étude utilisant l’IA et le séquençage génomique pour créer un biomarqueur qui servira d’outil d’assistance pour guider les soins cliniques des patients atteints de cancer de l’estomac.
Le séquençage est le processus qui consiste à déterminer l’ordre des bases dans un brin d’ADN, selon l’Institut national de recherche sur le génome humain (National Human Genome Research Institute). Le séquençage de l’ADN est utilisé pour trouver les variations et les mutations génétiques associées aux maladies.
« Le profilage génomique peut fournir des informations pronostiques et prédictives pour guider les soins cliniques », écrivent les chercheurs. « Il n’existe pas de biomarqueurs permettant de prédire de manière fiable la réponse des patients à la chimiothérapie et à l’inhibition des points de contrôle immunitaire dans le cas du cancer gastrique. »
Pour combler cette lacune, les scientifiques ont utilisé un algorithme d’apprentissage automatique appelé NTriPath qu’ils avaient déjà utilisé pour trouver des signatures génétiques pronostiques pour divers cancers tels que le mélanome, le carcinome épidermoïde de la tête et du cou, le carcinome rénal et le carcinome de la vessie. Dans cette étude, NTriPath a été utilisé pour rechercher des voies clés spécifiques à l’adénocarcinome gastrique en utilisant des données de mutation somatique pan-cancer, des bases de données de voies et des réseaux d’interaction gène-gène.
Les données de plus de 6 600 patients couvrant dix-neuf types de cancer du projet d’atlas du génome du cancer (TCGA) ont été utilisées comme données d’entrée pour leur algorithme d’apprentissage automatique afin d’identifier les voies altérées dans le cancer de l’estomac. Les trois principales voies du cancer de l’estomac sont constituées de trente-deux gènes.
Les chercheurs ont effectué un regroupement consensuel sur les données d’une cohorte de plus de 560 patients de l’hôpital Severance de la faculté de médecine de l’université Yonsei, dont 89 % étaient atteints d’un cancer de l’estomac de stade II ou III, sur la base du niveau d’expression des trente-deux gènes.
Les chercheurs ont appliqué l’apprentissage automatique de l’IA en créant une machine à vecteur de support (SVM) avec un noyau linéaire pour produire un score de risque génétique qui prédit la survie globale à cinq ans. Le score de risque a été validé à l’aide de trois ensembles de données indépendants.
« Nous avons constaté que la signature de 32 gènes permettait de prédire à la fois la survie globale et la réponse aux traitements », ont indiqué les chercheurs. « Ainsi, la génération de la signature moléculaire à partir d’échantillons de tissus obtenus au moment du diagnostic peut fournir des informations cliniquement importantes pour le pronostic et la planification du traitement. »
Cette analyse rétrospective représente une avancée importante dans l’identification des patients atteints de cancer qui ne bénéficieraient pas d’une chimiothérapie et/ou d’une immunothérapie. Pour les prochaines étapes, les chercheurs recommandent que la signature de trente-deux gènes soit validée de manière prospective sur des cohortes de patients plus importantes à l’avenir.
Copyright © 2022 Cami Rosso Tous droits réservés.
