Cancer du sein : cet outil pourrait révéler les récidives que les tests actuels ne parviennent pas à prévoir
Le cancer du sein se classe parmi les formes de cancer les plus fréquentes et les plus mortelles chez les femmes. Il est important de noter qu'il existe plusieurs types de cancer du sein, chacun ayant des caractéristiques et des traitements distincts. Parmi les variétés, on trouve le cancer canalaire, lobulaire, hormonodépendant, HER2 positif et triple négatif. Comprendre ces différences est crucial pour appréhender la maladie et ses options thérapeutiques.
Le cancer du sein peut être diagnostiqué à différents stades, qu'il soit in situ ou infiltrant, et peut avoir atteint les ganglions lymphatiques ou d'autres organes via des métastases. Les cellules cancéreuses peuvent également exprimer des récepteurs qui influencent leur comportement et les traitements à envisager. Par exemple, un cancer présentant des récepteurs aux hormones (œstrogène et progestérone) est qualifié d'hormonodépendant ou HR+ (Hormone Receptor positive), tandis qu'un cancer qui exprime des récepteurs HER2 est dit HER2 positif. Les cancers qui ne présentent aucune de ces caractéristiques sont classés comme triple négatif.
La question des récidives est une préoccupation majeure pour les oncologues, qui doivent déterminer le traitement approprié, notamment la nécessité d'une chimiothérapie adjuvante en complément de la chirurgie, de la radiothérapie ou de l'hormonothérapie. Bien que des tests existants, comme le « Recurrence Score » ou Oncotype DX, permettent d'évaluer le risque de rechute, leur précision laisse souvent à désirer. Par exemple, des patientes atteintes de cancer du sein HR+/HER2 sans atteinte ganglionnaire, qui obtiennent des résultats rassurants à l'Oncotype DX, peuvent malgré tout développer des récidives des années après leur chirurgie, car les cellules cancéreuses peuvent rester inactives pendant une période prolongée.
Face à ce défi, une équipe de chercheurs américains a décidé d'explorer l'utilisation de l'intelligence artificielle pour mieux prédire le risque de récidive. Ils ont développé un modèle d'IA, nommé IICM+, en utilisant les données de 2 808 patientes participant à l'essai clinique TAILORx, toutes atteintes d'un cancer du sein HR+/HER2 détecté à un stade précoce et sans atteinte ganglionnaire. Ce type de cancer est particulièrement préoccupant, car il représente 60 % des décès liés au cancer du sein, en raison de sa prévalence et du risque de récidive persistant au-delà de cinq ans.
Les chercheurs ont ensuite validé ce modèle sur un autre groupe de 1 621 patientes également atteintes de cancer du sein. Parmi les données utilisées pour entraîner l'IA figuraient des images de tissus mammaires examinées au microscope. Les résultats, publiés dans la revue npj Breast Cancer, montrent que le modèle IICM+ a surpassé de manière significative le test de référence, Oncotype DX, avec un indice C de 0,735 pour la prédiction des récidives survenant plus de cinq ans après le diagnostic, comparé à seulement 0,578 pour Oncotype DX.
Bien que ce modèle nécessite encore des validations sur des populations de patientes plus larges et indépendantes avant d'être intégré dans la pratique clinique, les premiers résultats sont prometteurs. La question des récidives tardives demeure un enjeu majeur dans la prise en charge des cancers hormonodépendants.
En France, au sein de l'institut Gustave Roussy, la Dr Ingrid Garberis s'emploie également à développer des outils d'IA pour prédire les récidives de cancer du sein. En s'appuyant sur l'analyse numérique de coupes de tissus mammaires et sur des données cliniques et moléculaires, son équipe constitue une base de données massive pour entraîner un modèle d'IA. Ce modèle vise à améliorer la prédiction du risque de rechute à partir des analyses de biopsies.
« Actuellement, si une patiente présente une maladie très agressive, nous savons qu'il faut adopter un traitement intensif, alors que pour une maladie plus indolente, un traitement conservateur peut suffire, » explique-t-elle. « Cependant, de nombreuses patientes se trouvent dans une situation intermédiaire, et il est essentiel de disposer d'outils permettant de mieux stratifier les traitements et de suivre les patientes de manière appropriée. Ce sont de véritables outils d'aide à la décision. »