Les algorithmes d’apprentissage machine qui combinent les données cliniques et moléculaires sont la « vague du futur », disent les experts.
Un homme entre dans le cabinet d’un médecin pour un scan de sa vésicule biliaire. La vésicule biliaire va bien, mais le médecin remarque une poche de liquide en forme de sac sur le pancréas de l’homme. C’est un kyste qui peut mener au cancer, lui dit le médecin, alors je vais devoir l’enlever pour être sûr.
Il faudra trois mois pour se remettre de la chirurgie, ajoute le médecin, il y a 50 % de risques de complications chirurgicales et 5 % de risques que l’homme meure sur la table.
On estime que 800 000 patients aux États-Unis reçoivent un diagnostic de kystes pancréatiques chaque année, et les médecins n’ont aucun moyen de savoir quels kystes sont porteurs d’une forme mortelle de cancer et lesquels sont bénins. Cette ambiguïté entraîne des milliers d’interventions chirurgicales inutiles : Une étude a révélé que jusqu’à 78 % des kystes pour lesquels un patient a été envoyé en chirurgie n’étaient pas cancéreux.
Maintenant, il existe un algorithme d’apprentissage machine qui pourrait aider. Décrit dans la revue Science Translational Medicine, des chirurgiens et des informaticiens de l’Université Johns Hopkins ont mis au point un test baptisé « CompCyst » (Comprehensive Cyst Analysis ou Analyse Complète des Kystes) qui est nettement meilleur que le standard actuel des soins – c’est-à-dire les observations médicales et l’imagerie médicale – pour prédire si les patients doivent être renvoyés chez eux, suivis ou subir une chirurgie.
« Nous sommes extrêmement enthousiasmés par les résultats de cette étude « , a déclaré l’auteure principale Anne Marie Lennon, directrice du programme sur les kystes pancréatiques au Johns Hopkins Kimmel Cancer Center, lors d’une conférence de presse sur cette étude.
Elle prévoit de proposer le test aux patients de Hopkins d’ici 6 à 12 mois et espère le commercialiser à la suite d’un essai clinique plus vaste et prospectif.
La grande majorité des kystes pancréatiques sont bénins, mais à l’heure actuelle, les médecins les suivent tous, a déclaré Christopher Wolfgang, directeur du service d’oncologie chirurgicale du Kimmel Cancer Center.
« Nous devons suivre tous les patients, de l’ordre de centaines de milliers, avec des tests coûteux et, dans certains cas, invasifs, pour trouver les quelques patients qui vont évoluer vers le cancer. »
Les tests de suivi peuvent impliquer une exposition aux radiations et des complications, en plus de provoquer de l’anxiété, ajoute-t-il.
Anne Marie Lennon, Christopher Wolfgang et d’autres ont entrepris de mettre au point un outil pour passer au crible l’information sur les patients dans l’espoir d’identifier des modèles permettant de distinguer les kystes à faible risque de ceux à risque élevé.
Pour ce faire, ils ont recueilli des données auprès de centaines de patients de Hopkins et de 15 centres médicaux du monde entier qui ont reçu un diagnostic de kyste et ont ensuite subi une intervention chirurgicale pour l’enlever. Après la chirurgie, chaque kyste a été examiné et classé comme n’ayant aucun risque, un faible risque ou un risque élevé de progression vers le cancer.
Le test de l’équipe, CompCyst, s’articule autour d’un algorithme d’apprentissage machine dénommé MOCA, pour Multivariate Organization of Combinatorial Alterations, qui combine des données moléculaires – y compris des mutations de l’ADN et des changements chromosomiques – avec des informations protéiques provenant du liquide kystique extrait et des tests de visualisation.
L’équipe a formé/entrainé l’algorithme avec des données provenant de 436 patients, puis l’a testé sur un deuxième ensemble de données distinct provenant de 426 patients. L’algorithme teste des millions de combinaisons de points de données pour prédire la bonne voie de traitement avec une sensibilité et une spécificité élevées, a déclaré le co-auteur Marco Dal Molin, un chercheur postdoctoral à Hopkins.
CompCyst a surpassé la norme de soins que les médecins utilisent aujourd’hui dans les trois groupes de patients : Le test a correctement prédit 60 % des patients qui auraient dû être renvoyés chez eux (contre 19 % en utilisant des soins standard), 49 % des patients qui auraient dû être suivis (contre 34 %) et 91 % des patients nécessitant une chirurgie (contre 89 %).
Dans l’ensemble, les chercheurs estiment que si CompCyst avait été utilisé pour décider des soins à donner à ces patients, 60 à 74 % d’entre eux (selon le type de kyste) auraient pu éviter une chirurgie inutile.
La combinaison de caractéristiques cliniques et génétiques à l’aide de l’apprentissage automatique est » la vague du futur pour éclairer le jugement clinique non seulement sur les kystes pancréatiques mais aussi sur de nombreuses autres maladies « , a déclaré le co-auteur Bert Vogelstein, professeur en oncologie et codirecteur du Centre Ludwig à Hopkins.
Bert Vogelstein et deux autres co-auteurs ont récemment cofondé une société, Thrive Earlier Detection, qui a octroyé une licence de développement commercial à CompCyst.
https://stm.sciencemag.org/lookup/doi/10.1126/scitranslmed.aav4772
