Détection précoce des rechutes localisées du cancer du côlon à l'aide d'un modèle prédictif basé sur l'IA

Un prestigieux institut de recherche en santé, pionnier de l’analyse de la biopsie liquide chez les patients atteints de cancer du côlon, souhaitait créer des biomarqueurs prédictifs et pronostiques pour identifier les patients à haut risque de rechute et prédire l’effet du traitement adjuvant.

Les méthodes traditionnelles de mesure et de stadification de la maladie résiduelle minimale (MRM) sont des procédures invasives. Les nouveaux biomarqueurs pronostiques, tels que les tests de biopsie liquide, même s'ils peuvent améliorer l'estimation de la MRM, offrent encore une sensibilité limitée pour identifier les patients à haut risque de rechute.

Cependant, l'intégration transparente de la biopsie liquide avec la radiomique et les caractéristiques profondes extraites des tomodensitométries (données de soins standard [SoC]) pourrait offrir un nouvel outil multi-omique pour surveiller et diagnostiquer les tumeurs à un stade précoce, fournissant des informations pertinentes sur le pronostic des rechutes et les résultats des patients.

Suite à une conception collaborative, nous avons collecté des données rétrospectives multicentriques du monde réel (RWD) à partir d'un large échantillon de patients dont le diagnostic était confirmé par des méthodes traditionnelles. Les RWD comprenaient des données cliniques, une biopsie liquide et des tomodensitogrammes SoC. Une segmentation 3D du tissu tumoral a été réalisée et des paramètres de textures, de caractéristiques profondes et de dimensions fractales ont été extraits. Une fois tous ces biomarqueurs d'imagerie quantitative obtenus, plusieurs modèles de classification basés sur l'IA ont été formés en combinant les caractéristiques d'imagerie avec la biopsie liquide et les données cliniques pour prédire les rechutes précoces chez les patients et classer les patients à faible et à haut risque. Le pipeline d'analyse généré a été intégré dans QP-Discovery^® plateforme, créant un outil d'IA de bout en bout.

Le potentiel innovant de cette nouvelle approche a conduit à trois résultats principaux :

1. L'identification de la signature d'imagerie pour la détection précoce de la rechute dans le cancer du côlon localisé,
2. Le développement d'un outil de stratification pour différencier les patients atteints de cancer du côlon à faible et à haut risque,
3. La création de modèles prédictifs pour mesurer l’effet de la thérapie adjuvante qui teste l’efficacité antitumorale de différents agents, ce qui donnera lieu à de nouvelles cibles thérapeutiques exploitables.

En fusionnant les données cliniques avec les caractéristiques radiomiques, fractales et profondes, le modèle d'IA a fourni une précision élevée et accrue de 87.9 % (IC 95 % : 67.7-100) par rapport aux variables cliniques seules (60 %, IC 95 % : 30-90) dans la prédiction de la rechuteLe modèle basé sur l'IA le plus précis devrait être obtenu en combinant les caractéristiques radiomiques avec le RWD pour prédire les patients potentiels en rechute, conduisant à la sélection de traitements personnalisés qui améliorent la réponse par rapport aux thérapies standard actuelles.

Référence:

America Bueno Gomez et al. Un modèle d'intelligence artificielle prédictive d'imagerie clinique de rechute dans le cancer du côlon à l'aide de tomodensitométries de base. Communication orale acceptée à l'ESMO 2023. 20-23 octobre. Madrid, Espagne.