Une étude récente publiée dans Cancer Cell met en lumière une nouvelle approche utilisant l'intelligence artificielle (IA) pour améliorer la stratification des patients atteints de carcinome urothélial, renforçant les prévisions de réponses aux inhibiteurs de point de contrôle PD-1 et PD-L1.
Romain Banchereau, PhD, scientifique senior chez Genentech et auteur principal, a déclaré : "Cette étude représente une grande intégration de données moléculaires et cliniques dans des essais randomisés, ouvrant la voie à un traitement sur mesure basé sur des sous-types moléculaires spécifiques."
Bien que les inhibiteurs de point de contrôle aient transformé le traitement du cancer, de nombreux patients éligibles n'en tirent pas de bénéfice. Les tentatives précédentes d'amélioration de la sélection des patients via des biomarqueurs PD-L1 ont eu un succès limité.
La nouvelle méthode classe le carcinome urothélial en quatre sous-types basés sur les profils du microenvironnement tumoral, améliorant considérablement la précision des prévisions de réponses aux traitements par rapport aux évaluations traditionnelles des biomarqueurs PD-L1.
Les chercheurs ont analysé des données de quatre essais cliniques de phase avancée impliquant 2 803 patients traités avec l'inhibiteur PD-L1 atezolizumab. Ils ont utilisé des techniques d'apprentissage automatique pour identifier des sous-types tumoraux distincts, offrant un processus de stratification des patients rapide et efficace.
Banchereau a noté que "des biomarqueurs d'imagerie basés sur l'IA à haut débit peuvent potentiellement être intégrés dans la pratique clinique routinière," améliorant l'efficacité diagnostique et la scalabilité.
Les sous-types identifiés—désert luminal, stromal, immunitaire et basal—ont montré des réponses variées au traitement, les sous-types immunitaire et basal présentant des avantages significatifs en termes de survie avec l'atezolizumab.
L'étude préconise des stratégies de traitement sur mesure, suggérant que les tumeurs de sous-type immunitaire pourraient bénéficier de thérapies combinées, tandis que les tumeurs de sous-type basal pourraient mieux répondre aux inhibiteurs PD-L1 seuls ou en combinaison avec d'autres traitements.
Banchereau a souligné le potentiel de la pathologie numérique et des modèles d'apprentissage profond pour améliorer la compréhension de la biologie tumorale et accélérer la stratification des patients dans les milieux cliniques.