Un nouveau modèle révolutionnaire d'apprentissage profond de l'IA est presque cinq fois plus efficace que les modèles traditionnels pour prédire le risque de cancer du sein

Une nouvelle étude de l'Université de Copenhague https://healthsciences.ku.dk/newsfaculty-news/2024/09/ai-could-predict-breast-cancer-risk-via-zombie-cells/ a montré que l l'intelligence artificielle (IA) pourrait transformer radicalement la manière dont nous évaluons le risque de cancer du sein. Le cancer du sein est l'un des cancers les plus répandus dans le monde. Rien qu'aux États-Unis, on dénombre 287 850 nouveaux cas et 43 250 décès par an. La nouvelle recherche, publiée dans The Lancet Digital Healthsuggère des résultats prometteurs basés sur des modèles d'intelligence artificielle entraînés à détecter la sénescence cellulaire et capables de prédire le risque d'un futur cancer du sein de manière bien plus efficace que les références cliniques actuelles.

Tout d'abord, les bases : qu'est-ce que la sénescence cellulaire ? Il s'agit d'un processus au cours duquel les cellules endommagées ou vieillissantes cessent de se diviser mais restent actives. Ce phénomène est souvent associé à des maladies liées au vieillissement, y compris le cancer. Ces cellules "sénescentes" sont parfois qualifiées de "cellules zombies" parce qu'elles ne fonctionnent plus normalement mais continuent d'émettre des signaux inflammatoires, ce qui pourrait favoriser la croissance des tumeurs. Si la sénescence peut agir comme un frein naturel à la division cellulaire incontrôlée, elle peut aussi paradoxalement favoriser le cancer par le biais de ces signaux inflammatoires, connus sous le nom de phénotype sécrétoire associé à la sénescence (SASP).

Jusqu'à présent, il était difficile de mesurer la sénescence dans les tissus humains en raison de l'absence de biomarqueurs spécifiques. L'étude de l'université de Copenhague utilise cependant une méthode d'apprentissage profond de l'IA l'apprentissage profond de l'IA pour analyser les morphologies nucléaires, c'est-à-dire la forme des noyaux cellulaires, dans des échantillons de tissus mammaires. Cela permet de prédire le risque de cancer du sein en fonction des changements dans les cellules sénescentes, même dans des échantillons de biopsie sains.

Les chercheurs ont mené une étude de cohorte rétrospective en utilisant des biopsies de tissu mammaire provenant de 4 382 femmes en bonne santé. Ces échantillons ont été analysés à l'aide d'un outil d'apprentissage profond appelé Nuclear Senescence Predictor (NUSP). Le modèle d'IA a examiné plus de 32 millions de noyaux dans différents types de tissus pour détecter les cellules sénescentes et déterminer leur répartition dans le tissu. Grâce à une évaluation minutieuse de ces cellules sénescentes dans les tissus épithéliaux, adipeux et stromaux, le système d'IA a pu établir une corrélation entre les schémas de sénescence et le risque de cancer futur. À titre de référence, le tissu épithélial constitue le revêtement des glandes et des surfaces de l'organisme, y compris les canaux mammaires, où le cancer prend souvent naissance. Le tissu adipeux est constitué de cellules graisseuses qui stockent l'énergie, et le tissu stromal fournit un soutien structurel aux organes, y compris les tissus conjonctifs qui entourent et soutiennent les cellules épithéliales.

Les résultats globaux étaient plus que prometteurs. Les femmes dont les échantillons de tissus présentaient des modèles spécifiques de sénescence avaient une probabilité plus ou moins élevée de développer un cancer du sein, en fonction du type de sénescence détecté. Par exemple, un modèle (entraîné sur la sénescence causée par des dommages à l'ADN) a indiqué un risque de cancer plus élevé lorsque des niveaux élevés de cellules sénescentes étaient présents dans le tissu. Un autre modèle (formé sur la sénescence induite par les médicaments) a suggéré un effet protecteur, réduisant le même risque.

Par rapport au modèle Gail-qui est l'étalon-or clinique actuel pour prédire le risque de cancer du sein, le modèle d'IA a fait preuve d'une précision bien supérieure. Combiné au score de Gail, le modèle d'IA a augmenté le rapport de cotes (une mesure de l'importance de certains facteurs de risque pour prédire les résultats) à 4,70, soit près de cinq fois le pouvoir prédictif du score de Gail seul.

Cette avancée, si elle est commercialisée, pourrait offrir aux cliniciens un moyen beaucoup plus précis d'identifier les personnes à haut risque et de leur proposer des interventions indispensables. La capacité de prédire le risque de cancer du sein plusieurs années avant qu'il ne se développe pourrait conduire à des diagnostics plus précoces et à des programmes de dépistage plus personnalisés, en réduisant les tests inutiles pour les femmes à faible risque et en augmentant la surveillance pour les personnes à haut risque.

Le potentiel de l IA est immense, surtout lorsqu'il s'agit de faire progresser le diagnostic du cancer. Bien que la technologie soit encore en cours de développement (et le restera pendant un certain temps), son application pourrait révolutionner le dépistage du cancer du sein. En utilisant des échantillons de tissus standard, cette méthode d'IA peut être déployée à l'échelle mondiale.

Bien que de nombreuses recherches supplémentaires soient nécessaires pour affiner ces modèles, une meilleure prédiction des risques pourrait permettre une détection plus précoce du cancer, des plans de traitement plus efficaces et, en fin de compte, une réduction des taux de mortalité dus au cancer du sein. Il s'agit là d'une application concrète de l'IA que tout le monde peut soutenir.