IA en cancérologie : de l’individualisation du diagnostic aux vaccins thérapeutiques

Avec l’IA associée aux technologies de biologie moléculaire haut débit et de clusterisation, la cancérologie va encore plus loin dans la médecine personnalisée. Aujourd’hui, pour un patient donné, l’enjeu est de fabriquer un traitement individualisé adapté non seulement aux anomalies moléculaires détectées dans ses tumeurs mais aussi au fonctionnement de son système immunitaire. Interview avec le Pr Jean-Pierre Delord, directeur général de l’Oncopole - Claudius Regaud de Toulouse.    Egora : Au niveau du diagnostic, quelles sont les différentes approches utilisant l’IA ?
 

Pr J-P Delord : Le diagnostic de cancer chez un patient nécessite de compiler et d’analyser une quantité considérable d’informations de nature diverse. À celles cliniques s’ajoutent les imageries médicales (scanners, IRM et PET-scan), les examens d’endoscopie de localisation des tumeurs, les données de biologie moléculaire haut débit (ADN, transcriptome, protéines, anomalies moléculaires des cellules cancéreuses). Une imagerie à elle-seule est constituée de centaines de milliers de pixels dont chacun contient une centaine d’informations. Et la biologie moléculaire à haut débit en routine analyse des millions de paires de bases. Ces données sources sont d'une densité et d’un volume qui échappent à notre intelligence. Les sciences de l’ingénieur, les modèles mathématiques et l’IA permettent un traitement profond (deep learning) de ces informations, leur rangement en clusters et une puissance de calcul nous aidant à aller plus loin dans le diagnostic et la compréhension d’un cancer afin d’établir un pronostic pour chaque patient.   L’IA peut-elle identifier l'étiologie de cancers avec antécédents primitifs inconnus ? Chez certains patients, nous découvrons un cancer révélé à distance sous forme de métastases et, dans un petit nombre de cas, nous ne savons pas d'où vient la tumeur primitive. La détermination du profil moléculaire des métastases d’un patient donné par la biologie moléculaire haut débit associée aux technologies de clusterisations, qui recensent le transcriptome de centaines de milliers de patients, permet d’identifier le foyer d’origine (qui est souvent d’une taille < 1mm). Voilà un exemple de logiciels d’aide au diagnostic offerts par l’IA.   Avec l’existence de millions d'altérations géniques, jusqu’à quel degré de précision l’IA permet-elle une approche personnalisée des traitements ? Actuellement, les techniques de bioinformatique utilisées en routine peuvent analyser des centaines de milliers de données relatives aux anomalies génétiques constatées individuellement chez un patient pour les traduire en informations maintenant robustes et fiables. Par exemple, sur 300 anomalies génétiques identifiées chez un individu, une poignée d’entre elles sont sélectionnées comme étant d’intérêt car retrouvées dans une majorité de ses cellules cancéreuses. La stratégie médicale et/ou la prescription de traitements peuvent s’appuyer sur ces signatures moléculaires. En recherche, l’enjeu porte sur la mise au point, grâce à l’IA, de traitements personnalisés. Nous en avons un exemple avec la fabrication de vaccins thérapeutiques individualisés qui implique la prise en compte d’un plus grand volume de données, de surcroît beaucoup plus complexes et profondes. Pour élaborer ce type de vaccin, nous comparons, chez un patient, le génome et le transcriptome de ses cellules normales et de celles cancéreuses. Ce sont des milliers de milliards de paires de bases analysées par des supercalculateurs en quelques heures pour détecter les différences. Nous vérifions que l’ARN messager code pour les anomalies identifiées et essayons de repérer, avec un système basé sur des probabilités, si celles-ci peuvent avoir fabriqué des protéines qui pourraient être reconnues par le système immunitaire. Ces technologies sont capables de recenser 3 000 mutations, en identifier 300 utiles (des « néo-antigènes ») dont une trentaine sont sélectionnées pour produire un vaccin individualisé. Le tout dans le temps médical requis de 3 mois. Ce projet fait l’objet d’un essai clinique de phase I mené à l’Oncopole, et nous pensons déjà à l'étape d’après : la vaccination thérapeutique individualisée de deuxième génération dont l’objectif est de parvenir à une efficacité proche de 100%. Pour cela, il faut analyser non seulement les données génétiques d’une tumeur mais aussi celles du système immunitaire d’un patient donné. La complexité est d’autant plus grande que notre immunité s’adapte en permanence (et que les interactions entre notre système HLA et les antigènes sont incroyablement adaptables), ce qui a pour conséquence d’avoir des taux de reconnaissance des néo-antigènes tantôt à un niveau faible tantôt à un niveau très élevé… Cela nécessite d’entrer dans le cœur du fonctionnement de chacun de ces rouages. Dans notre laboratoire, nous avons étudié des dizaines de milliers de néo-antigènes reconnus par les lymphocytes T de patients ce qui permet un apprentissage des connaissances par les algorithmes. Au-delà des systèmes, les sciences dures et les sciences de l’ingénieur sont absolument nécessaires pour intégrer, ranger et utiliser ces données ultra complètes et nous aider à formuler les hypothèses reliant chaque catégorie d'informations les unes aux autres. Nous sommes dans une accélération du temps et des moyens qui rend aujourd’hui possible notre capacité de mettre en application nos connaissances théoriques fondamentales. Les patients sont à la fois nombreux… et uniques. Imaginez la masse de données gigantesque que cela représente si l’on veut améliorer nos moyens de traitement !