L’IA prédit le futur cancer du pancréas
Sur la base de combinaisons de codes de maladies et du moment de leur apparition, le modèle a pu prédire quels patients sont susceptibles de développer un cancer du pancréas à l’avenir. Notamment, de nombreux symptômes et codes de maladie n’étaient pas directement liés au pancréas ou ne provenaient pas de celui-ci.
Les chercheurs ont testé différentes versions des modèles d’IA pour leur capacité à détecter les personnes à risque élevé de développement de la maladie sur différentes échelles de temps de 6 mois, un an, deux ans et trois ans.
Dans l’ensemble, chaque version de l’algorithme d’IA était nettement plus précise pour prédire qui développerait un cancer du pancréas que les estimations actuelles de l’incidence de la maladie à l’échelle de la population, définies comme la fréquence à laquelle une maladie se développe dans une population sur une période de temps spécifique. Les chercheurs ont déclaré qu’ils pensaient que le modèle était au moins aussi précis pour prédire l’apparition de la maladie que les tests de séquençage génétique actuels qui ne sont généralement disponibles que pour un petit sous-ensemble de patients dans des ensembles de données.
L’orgue en colère
Le dépistage de certains cancers courants tels que ceux du sein, du col de l’utérus et de la prostate repose sur des techniques relativement simples et très efficaces, respectivement une mammographie, un test Pap et un test sanguin.
Ces méthodes de dépistage ont transformé les résultats de ces maladies en assurant une détection et une intervention précoces aux stades les plus traitables.
En comparaison, le cancer du pancréas est plus difficile et plus coûteux à dépister et à tester. Les médecins examinent principalement les antécédents familiaux et la présence de mutations génétiques, qui, bien qu’importants indicateurs de risque futur, manquent souvent de nombreux patients.
Un avantage particulier de l’outil d’IA est qu’il pourrait être utilisé sur tous les patients pour lesquels les dossiers de santé et les antécédents médicaux sont disponibles, pas seulement chez ceux qui ont des antécédents familiaux connus ou une prédisposition génétique à la maladie. Ceci est particulièrement important, ajoutent les chercheurs, car de nombreux patients à haut risque peuvent même ne pas être conscients de leur prédisposition génétique ou de leurs antécédents familiaux.
En l’absence de symptômes et sans indication claire qu’une personne présente un risque élevé de cancer du pancréas, les cliniciens peuvent être naturellement prudents et recommander des tests plus sophistiqués et plus coûteux, tels que la tomodensitométrie, l’IRM ou l’échographie endoscopique.
Lorsque ces tests sont utilisés et que des lésions suspectes sont découvertes, le patient doit subir une procédure pour obtenir une biopsie. Situé profondément à l’intérieur de l’abdomen, l’organe est difficile d’accès et facile à provoquer et à enflammer. Son irritabilité lui a valu le surnom d’organe en colère.
Un outil d’IA qui identifie les personnes les plus à risque de cancer du pancréas garantiraient que les cliniciens testent la bonne population, tout en épargnant aux autres des tests inutiles et des procédures supplémentaires, ont déclaré les chercheurs.
Environ 44 % des personnes diagnostiquées aux premiers stades du cancer du pancréas survivent cinq ans après le diagnostic, mais seulement 12 % des cas sont diagnostiqués si tôt. Le taux de survie tombe à 2 à 9% chez ceux dont les tumeurs se sont développées au-delà de leur site d’origine, estiment les chercheurs.
Ce faible taux de survie est malgré les progrès marqués des techniques chirurgicales, de la chimiothérapie et de l’immunothérapie, a déclaré Sander. Ainsi, en plus des traitements sophistiqués, il existe un besoin évident d’un meilleur dépistage, de tests plus ciblés et d’un diagnostic plus précoce, et c’est là que l’approche basée sur l’IA apparaît comme la première étape critique de ce continuum.
Les diagnostics antérieurs laissent présager un risque futur
Pour l’étude actuelle, les chercheurs ont conçu plusieurs versions du modèle d’IA et les ont formés sur les dossiers de santé de 6,2 millions de patients du système de santé national du Danemark couvrant 41 ans. Parmi ces patients, 23 985 ont développé un cancer du pancréas au fil du temps.
Au cours de la formation, l’algorithme a discerné des modèles indicatifs du risque futur de cancer du pancréas en fonction des trajectoires de la maladie, c’est-à-dire si le patient avait certaines conditions qui se sont produites dans une certaine séquence au fil du temps.
Par exemple, des diagnostics tels que calculs biliaires, anémie, diabète de type 2 et autres problèmes gastro-intestinaux laissaient présager un risque accru de cancer du pancréas dans les 3 ans suivant l’évaluation.
De manière moins surprenante, l’inflammation du pancréas était fortement prédictive d’un futur cancer du pancréas dans un laps de temps encore plus court de deux ans.
Les chercheurs avertissent qu’aucun de ces diagnostics en eux-mêmes ne devrait être considéré comme indicatif ou causal d’un futur cancer du pancréas. Cependant, le schéma et la séquence dans lesquels ils se produisent au fil du temps offrent des indices pour un modèle de surveillance basé sur l’IA et pourraient inciter les médecins à surveiller de plus près les personnes à risque élevé ou à effectuer des tests en conséquence.
Ensuite, les chercheurs ont testé l’algorithme le plus performant sur un ensemble entièrement nouveau de dossiers de patients qu’ils n’avaient pas rencontrés auparavant.
La précision prédictive des outils était quelque peu inférieure sur l’ensemble de données américain. Cela était très probablement dû au fait que l’ensemble de données américain a été collecté sur une période plus courte et contenait des profils de population de patients quelque peu différents de l’ensemble de la population du Danemark dans l’ensemble de données danois par rapport au personnel militaire actuel et ancien dans l’ensemble de données des anciens combattants.
Lorsque l’algorithme a été recyclé à partir de zéro sur l’ensemble de données américain, sa précision prédictive s’est améliorée. Selon les chercheurs, cela souligne deux points importants : premièrement, s’assurer que les modèles d’IA sont formés sur des données riches et de haute qualité. Deuxièmement, le besoin d’accéder à de grands ensembles de données représentatifs de dossiers cliniques agrégés à l’échelle nationale et internationale.
En l’absence de tels modèles valables à l’échelle mondiale, les modèles d’IA devraient être formés sur des données de santé locales pour s’assurer que leur formation reflète les idiosyncrasies des populations locales.
Paternité, financement, divulgations :
Les co-auteurs de l’étude étaient Davide Placido, Bo Yuan, Jessica Hjaltelin, Chunlei Zheng, Amelie Haue, Piotr Chmura, Chen Yuan, Jihye Kim, Renato Umeton, Gregory Antell, Alexander Chowdhury, Alexandra Franz, Lauren Brais, Elizabeth Andrews, Debora Marks, Aviv Regev, Siamack Ayandeh, Mary Brophy, Nhan Do, Peter Kraft, Brian Wolpin, Michael Rosenthal et Nathanael Fillmore.
Le travail a été soutenu par les subventions de la Fondation Novo Nordisk NNF17OC0027594 et NNF14CC0001 ; Subvention de la Fondation Stand Up to Cancer/Lustgarten SU2C6180 ; les National Institutes of Health accordent U01 CA210171 et P50 CA127003 ; avec le soutien supplémentaire du Pancreatic Cancer Action Network, du Noble Effort Fund, du Wexler Family Fund, de Promises for Purple et du Bob Parsons Fund ; le programme d’études coopératives VA; l’association américaine de coeur (857078) ; le Département de la Défense/Uniformed Services University of the Health Sciences ; le Centre de la famille Hale pour la recherche sur le cancer du pancréas.
Brunak est propriétaire d’Intomics A/S, Hoba Therapeutics Aps, Novo Nordisk A/S, Lundbeck A/S et ALK Abello et est membre du conseil d’administration de Proscion A/S et Intomics A/S. Wolpin a reçu des subventions de Celgene et Eli Lilly et des honoraires de consultation de BioLineRx, Celgene et GRAIL. Regev est co-fondateur et actionnaire de Celsius Therapeutics, actionnaire d’Immunitas et membre du conseil consultatif scientifique de Thermo Fisher Scientific, Syros Pharmaceuticals, Neogene Therapeutics et Asimov jusqu’au 31 juillet 2020. Au 1er août 2020 , Regev a été un employé de Genentech et détient une participation dans Roche. Marks est conseiller pour Dyno Therapeutics, Octant, Jura Bio, Tectonic Therapeutic et Genentech et est co-fondateur de Seismic Therapeutic. Sander est membre du conseil consultatif scientifique de CytoReason.