Différents patients avec le même type de cancer peuvent avoir des réponses différentes pour le même médicament, ce qui laisse les médecins dans une situation difficile: comment savent-ils quel traitement aura la meilleure réponse? Si tout se passe bien, leur patient peut entrer en rémission, mais s’ils ont tort, la santé du patient se détériore. Aujourd’hui, des chercheurs de l’Université de Western pourraient avoir la réponse. Ils ont développé des algorithmes d’apprentissage machine – une branche de l’intelligence artificielle – qui «avalent» des tonnes des données génétiques pour déterminer la réponse pour le traitement le plus probable et permettent des schémas thérapeutiques plus personnalisés.
« L’intelligence artificielle est un outil puissant pour prédire les résultats d’un médicament parce qu’il examine la somme de tous les gènes en interaction», a déclaré le chercheur principal Peter Rogan. «Plus tôt nous traitons un patient avec le médicament le plus efficace, plus nous pouvons traiter efficacement ou peut-être même de guérir le patient. »
Les chercheurs ont utilisé un ensemble de 40 gènes qui se trouvent dans 90 % des tumeurs du cancer du sein pour analyser les données provenant de lignées cellulaires et d’échantillons de tissu tumoral d’environ 350 patients atteints de cancer qui ont été traités avec au moins l’un des deux médicaments de médicaments le paclitaxel et le gemcitabine.
Ils ont ensuite configuré leurs ordinateurs pour travailler à analyser les données et identifier les associations entre le médicament et les gènes des patients. Leur outil d’apprentissage machine a réussi à prédire la résistance du gemcitabine et la sensibilité du paclitaxel avec 84 % de précision, la résistance du paclitaxel avec 82 % de précision, et la réponse du gemcitabine (par exemple rémission ou non) avec 62 à 71 % de précision.
Ce n’est pas le premier cas où l’apprentissage machine est utilisé pour aider au traitement du cancer. Une nouvelle société appelée Deep Genomics a été fondée plus tôt cette année pour identifier les variantes et les mutations de gènes jamais vu auparavant dans diverses maladies, dont le cancer, en opposant les ordinateurs face à d’énormes jeux de données.
Et l’année dernière, le jeune Nathan Han, âgé de 15 ans a remporté un prix Intel pour son outil d’apprentissage machine qui étudie les mutations d’un gène particulier lié au cancer du sein.
http://www.moloncol.org/article/S1574-7891%2815%2900146-5/fulltext
