La start-up française Owkin, spécialisée dans l’intelligence artificielle (IA), a développé un modèle pronostique détaillé et précis basé sur des images de biopsies pleurales pour prédire l’évolution du mésothéliome, une forme rare et sévère de cancer des surfaces mésothéliales qui affecte le revêtement des poumons (plèvre), de la cavité abdominale (péritoine) ou l’enveloppe du cœur (péricarde). Testé par des experts du Centre Léon Bérard de Lyon, le système MesoNet s’est révélé plus performant que tous les modèles existants pour prédire la survie. Les résultats de ces travaux ont été publiés le 7 octobre 2019 dans la revue Nature Medicine.
Un cancer agressif difficile à diagnostiquer
Le mésothéliome malin est un cancer agressif principalement diagnostiqué sur la base de critères histologiques, et donc sur des tissus biologiques. C’est une maladie extrêmement complexe et hétérogène, ce qui rend son diagnostic et son typage histologique difficiles. Résultat : les soins ne sont pas optimaux. La start-up française Owkin a donc souhaité développer une nouvelle approche basée sur l’intelligence artificielle (IA).
« Le mésothéliome est un cancer agressif qui attaque souvent la muqueuse des poumons et est fréquemment associé à l’exposition à l’amiante. Malheureusement, cela s’avère fatal pour la plupart des patients, déclare Thomas Clozel, cofondateur et P.-D.G. d’Owkin. Ceux atteints de mésothéliome présentent une très grande variabilité en termes de survie – allant de quelques mois à quelques années – compliquant ainsi la tâche des médecins pour la prise en charge des patients et la planification du traitement. Nos recherches aident à expliquer les causes biologiques de cette variation et conduiront à la mise au point de médicaments plus ciblés ainsi qu’à une meilleure gestion de cette maladie. »
Des réseaux de neurones pour prédire la survie
Concrètement, cette nouvelle approche – appelée « MesoNet » – est basée sur des réseaux de neurones convolutionnels profonds et a pour mission de prédire avec précision la survie globale des patients atteints de mésothéliome à partir d’images numérisées de biopsies de la plèvre de près de 3000 patients. Les auteurs de ces travaux ont validé MesoNet à la fois un vaste ensemble de données issus de la base Mesobank, provenant de plusieurs institutions françaises et d’une cohorte indépendante de l’Atlas du génome du cancer (TCGA). Des experts médicaux en anatomo-pathologie du Centre Léon Bérard à Lyon ont validé les résultats du modèle.
Les résultats de cette étude ont été publiés le 7 octobre 2019 dans la revue Nature Medicine.
Résultats
- MesoNet a identifié des régions contribuant à la prévision des résultats pour les patients.
- Ces régions sont principalement situées dans le stroma et sont des caractéristiques histologiques associées notamment à une inflammation.
- Des sous-groupes de patients atteints du mésothéliome ont ainsi pu être caractérisés.
- Le modèle prédisait plus précisément la survie des patients que les pratiques actuelles en pathologie.
L’intelligence artificielle identifie de nouveaux biomarqueurs
Ces résultats suggèrent que les modèles d’apprentissage en profondeur (deep learning) peuvent identifier de nouvelles fonctionnalités prédictives de la survie du patient et potentiellement conduire à de nouvelles découvertes de biomarqueurs. En effet, au-delà de ses performances prédictives, le modèle de deep learning développé par Owkin a également permis d’identifier de nouvelles caractéristiques biologiques. Celles-ci ont permis d’apporter une meilleure compréhension biologique de l’hétérogénéité de cette maladie.
« Ce fut une excellente expérience pour notre laboratoire de travailler en étroite collaboration avec les équipes scientifiques de Owkin pour identifier de nouveaux sous-groupes au sein de notre population de patients, commente Françoise Galateau, professeure de pathologie au Centre Léon-Bérard. Et la collaboration a dépassé nos attentes. En plus d’améliorer nos modèles pronostiques, MesoNet a également été en mesure d’identifier de nouveaux biomarqueurs prédictifs liés à la survie dans les régions stromales du microenvironnement tumoral. »
Vers des essais médicamenteux
Désormais, la start-up française travaille avec ses partenaires de l’industrie biopharmaceutique pour utiliser ces connaissances afin d’améliorer le développement de nouveaux médicaments. Ensemble, ils vont identifier les patients les plus à risque et donc les mieux disposés aux nouvelles approches médicamenteuses en phase d’essai.
En outre, il faut rappeler que les données personnelles des patients sont conservées en toute sécurité grâce à la plateforme Substra. Cette dernière permet la collaboration entre Owkin, le monde universitaire et l’industrie pharmaceutique : les données recueillies auprès de patients dans le cadre de soins et d’essais cliniques sont utilisées par la start-up pour développer des algorithmes sans que les données ne sortent de l’enceinte des établissements.