Intelligence artificielle pour prédire le cancer colorectal TMB-H à partir de caractéristiques histopathologiques

Les biomarqueurs sont des déterminants importants d'approches thérapeutiques appropriées et efficaces pour diverses maladies, y compris le cancer. Il existe de nombreuses preuves indiquant l'importance des inhibiteurs de point de contrôle immunitaire (ICI) contre le cancer, et ils ont montré des avantages cliniques prometteurs pour un groupe spécifique de patients atteints de cancer colorectal (CCR). Plusieurs rapports ont démontré l'efficacité de biomarqueurs tels que le ligand de la protéine de mort programmée (PD-L1), densité des lymphocytes infiltrant la tumeur (TIL), et la charge mutationnelle tumorale (TMB), pour déterminer la réactivité du patient pour l'utilisation efficace des ICI comme thérapie contre le cancer.

Un haut niveau de TMB (TMB-H), qui reflète un nombre total élevé de mutations somatiques non synonymes par zone de codage d'un génome tumoral et normalement dérivé d'un test de panel de gènes, est reconnu comme un biomarqueur prometteur pour les thérapies ICI de divers cancers solides. Cependant, en pratique clinique, il n'est pas possible d'effectuer des tests par panel de gènes pour tous les patients atteints de cancer.

Dr Yoshifumi Shimada et ses collègues de la Division de chirurgie digestive et générale, École supérieure des sciences médicales et dentaires, Université de Niigata, considéré TMB-H d'un sous-groupe spécifique de patients atteints de CCR, comme marqueur plus robuste pour prédire l'efficacité des ICI, et développé un algorithme basé sur un réseau de neurones convolutifs (CNN) pour prédire le CRC TMB-H directement à partir des caractéristiques histopathologiques, en particulier, le TIL, obtenu à partir des lames colorées à l'hématoxyline et à l'éosine (H&E). Une image microscopique représentative de la tumeur du cancer colorectal à charge mutationnelle tumorale colorée H&E est montrée dans la figure ci-jointe, démontrant la présence de lymphocytes infiltrant la tumeur à un niveau significativement élevé par rapport au tissu environnant normal.

Les informations numériques de ces images néoplasiques et non néoplasiques obtenues à partir de la cohorte JP-CRC sont transformées et normalisées pour construire un modèle de réseau neuronal convoluté prédictif utilisant le modèle d'apprentissage Inception V3, par le groupe du Dr Shimada. Le modèle basé sur CNN développé par le Dr Shimada et ses collègues a le potentiel non seulement de réduire le fardeau d'un diagnostic approprié pour les pathologistes, mais également de fournir les informations nécessaires sur la réactivité des patients aux thérapies basées sur l'ICI, sans l'utilisation de coûteux, tests de panel de gènes longs et difficiles à obtenir. Cette étude du Dr Shimada et de ses collègues est publiée dans un récent numéro de Journal de gastro-entérologie (2021 ; vol. 56 :pp. 547-559 ; https :/ / est ce que je. org/ dix. 1007/ s00535-021-01789-w).

En outre, les études du groupe du Dr Shimada ont également fourni des moyens de prédire le CRC TMB-H uniquement en utilisant les informations TIL des lames H&E des tissus tumoraux des patients. Cependant, considérant que les patients de la cohorte étudiée n'ont été traités par aucun ICI, aucune conclusion n'a pu être tirée concernant leur réactivité aux ICI après le diagnostic de TMB-H et il a été suggéré que de futurs essais cliniques doivent être menés pour déterminer si le TIL seul peut être utile en tant que biomarqueur prédictif de l'efficacité des ICI.

Le Dr Shimada dit à propos de la présente étude :" Nous avons développé l'intelligence artificielle pour prédire les altérations génétiques du cancer colorectal par apprentissage en profondeur à l'aide de lames d'hématoxyline et d'éosine. Cette intelligence artificielle est importante pour résoudre les problèmes de coûts associés à l'analyse génétique et faciliter la médecine personnalisée dans le cancer colorectal ."

Globalement, les études menées par le Dr Shimada et ses associés fournissent une méthode efficace et fiable en termes de coût et de temps pour informer les cliniciens si le patient CCR qu'ils prennent en charge peut bénéficier de l'inhibiteur de point de contrôle immunitaire (y compris les inhibiteurs de la protéine PD-1 et de son ligand, thérapie PD-L1), sans impliquer l'utilisation de panel de gènes.

• Faible en fibres,
• Stent inspiré de Kirigami pour améliorer l'administration de médicaments pour les maladies qui affectent les organes tubulaires