Une méthode basée sur l’intelligence artificielle peut aider à prédire les récidives de mélanome à un stade précoce

Une méthode basée sur l’intelligence artificielle peut aider à prédire les récidives de mélanome à un stade précoce

La plupart des décès dus au mélanome - la forme la plus mortelle de cancer de la peau - surviennent chez des patients chez qui un mélanome à un stade précoce a été initialement diagnostiqué et qui ont ensuite présenté une récidive, qui n'est généralement détectée que lorsqu'il s'est propagé ou métastasé.

Une équipe dirigée par des chercheurs du Massachusetts General Hospital (MGH) a récemment développé une méthode basée sur l’intelligence artificielle pour prédire quels patients sont les plus susceptibles de connaître une récidive et donc susceptibles de bénéficier d’un traitement agressif. La méthode a été validée dans une étude publiée dans npj Precision Oncology.

La plupart des patients atteints d'un mélanome à un stade précoce sont traités chirurgicalement pour éliminer les cellules cancéreuses, mais les patients atteints d'un cancer avancé reçoivent souvent des inhibiteurs de points de contrôle immunitaires, qui sont efficaces pour renforcer la réponse immunitaire contre les cellules tumorales, mais ont également des effets secondaires importants.

Il existe un besoin urgent de développer des outils prédictifs pour aider à la sélection des patients à haut risque pour lesquels les bénéfices des inhibiteurs de point de contrôle immunitaire justifieraient le taux élevé d’événements immunologiques indésirables pathologiques et potentiellement mortels observés avec cette classe de traitements.

Yevgeniy R. Semenov, MD, auteur principal, chercheur, Département de dermatologie à MGH

« Une prédiction fiable de la récidive du mélanome peut permettre une sélection plus précise du traitement pour l'immunothérapie, réduire la progression de la maladie métastatique et améliorer la survie du mélanome tout en minimisant l'exposition aux toxicités du traitement. »

Pour y parvenir, Semenov et ses collègues ont évalué l’efficacité d’algorithmes basés sur l’apprentissage automatique, une branche de l’intelligence artificielle qui utilise les données des dossiers de santé électroniques pour prédire la récidive du mélanome.

Plus précisément, l'équipe a collecté 1 720 mélanomes à un stade précoce – 1 172 du Mass General Brigham Healthcare System (MGB) et 548 du Dana-Farber Cancer Institute (DFCI) – et a extrait 36 ​​caractéristiques cliniques et pathologiques de ces cancers à partir des dossiers de santé électroniques pour prédire le risque de récidive des patients avec des algorithmes d'apprentissage mécanique. Des algorithmes ont été développés et validés à l'aide de différents ensembles de patients MGB et DFCI, et l'épaisseur de la tumeur et le taux de division des cellules cancéreuses ont été identifiés comme les caractéristiques les plus prédictives.

« Notre plateforme complète de prédiction des risques, qui utilise de nouvelles approches d'apprentissage automatique pour déterminer le risque de récidive du mélanome à un stade précoce, a atteint un niveau élevé de classification et de précision de prédiction du délai d'apparition d'un événement », explique Semenov. "Nos résultats suggèrent que les algorithmes d'apprentissage automatique peuvent extraire des signaux prédictifs à partir de caractéristiques clinicopathologiques pour prédire la récidive du mélanome à un stade précoce, ce qui permettra d'identifier les patients susceptibles de bénéficier d'une immunothérapie adjuvante."

Source:

Hôpital général du Massachusetts

Référence:

Wan, G. et coll. (2022) Prédiction de la récidive du mélanome à un stade précoce basée sur les caractéristiques cliniques et histopathologiques. npj Oncologie de précision. est ce que je.org/10.1038/s41698-022-00321-4.

.