PhenMap et le NHS : une IA repère les patients atteints d'un cancer de l'intestin que le bévacizumab n'aidera pas

Des chercheurs britanniques et irlandais ont présenté une approche d'IA qui aide à estimer à l'avance si le bévacizumab agira chez un patient atteint d'un cancer de l'intestin avancé. Si la méthode se confirme sur de plus grands échantillons, les médecins pourront prescrire moins souvent un traitement toxique et coûteux à ceux à qui il ne sera presque certainement d'aucune aide.

Comment fonctionne la méthode

L'Institut de recherche sur le cancer de Londres et le RCSI de Dublin ont travaillé sur le système. Leur outil, PhenMap, combine plusieurs types de données : le profil génétique de la tumeur, les paramètres cliniques du patient et les caractéristiques de la maladie elle-même, dont l'âge, le sexe et la partie de l'intestin où se trouve la tumeur. Contrairement à la stratification habituelle en quelques sous-types, le modèle cherche à saisir des combinaisons de caractéristiques plus complexes et à les transformer en pronostic pratique pour chaque personne.

Ensuite, les chercheurs ont fait tourner par-dessus PhenMap un autre modèle, qui attribue au patient un groupe de risque après un traitement par bévacizumab associé à la chimiothérapie. Le système répartit les patients en risque élevé, modéré et faible, et il évalue non pas simplement la gravité globale de la maladie, mais la probabilité que ce schéma thérapeutique précis se révèle inutile. C'est important pour l'oncologie personnalisée : il s'agit non seulement de trouver ceux que le médicament aidera, mais aussi de retirer le traitement superflu du parcours des autres.

Ce que montre l'étude

L'équipe a analysé les données de 117 patients européens atteints d'un cancer colorectal métastatique, qui avaient déjà reçu du bévacizumab avec une chimiothérapie. Les travaux ont été publiés dans Scientific Reports. Le modèle a trouvé des biomarqueurs associés à une mauvaise réponse au traitement et en a tiré des groupes pronostiques. Dans le groupe à haut risque, aucun patient n'a répondu au traitement, alors que dans le groupe à faible risque, 10 personnes sur 12 ont répondu.

Parmi les signaux relevés par l'IA, une mutation du gène BRAF s'est révélée particulièrement marquante : les patients qui la portaient se retrouvaient dans le groupe à haut risque et avaient de moins bons résultats. Les chercheurs ont aussi associé un mauvais pronostic à deux délétions chromosomiques et ont utilisé ces caractéristiques comme base d'un futur test. L'idée est de voir, avant le début du traitement, non seulement le diagnostic, mais aussi le profil moléculaire de résistance de chaque tumeur.

Pour les cliniciens, cela pourrait se traduire ainsi :

• avant de prescrire le traitement, le médecin obtient non pas un pronostic « moyen » général, mais un profil de risque individuel
• les patients très susceptibles de ne pas répondre peuvent éviter une toxicité inutile
• l'hôpital économise du temps et des ressources sur un traitement qui ne produira pas d'effet
• pour une partie des patients, la voie vers d'autres schémas ou des essais cliniques s'ouvre plus tôt

Pourquoi c'est important

Le NHS a approuvé le bévacizumab en décembre pour les patients atteints d'un cancer de l'intestin avancé, mais le médicament n'agit que chez une part limitée des personnes et peut provoquer de graves effets secondaires, dont l'hypertension, des troubles gastro-intestinaux et des caillots sanguins. En Angleterre, près de 10 mille cas de ce stade de la maladie sont détectés chaque année, et les options de traitement après l'extension de la tumeur sont nettement moins nombreuses. Même un filtrage préalable grossier selon la probabilité de réponse a donc déjà ici une valeur clinique.

«

Jusqu'à présent, nous ne savions pas identifier à l'avance les patients pour lesquels le médicament ne fonctionnera très probablement pas », dit le professeur Anguraj Sadanandam.

Les auteurs soulignent séparément qu'il ne s'agit pas encore d'un test diagnostique prêt pour les hôpitaux. Les résultats doivent être confirmés sur une cohorte plus large, puis vérifiés dans un essai clinique prospectif. Ce n'est qu'après une telle validation que le modèle pourra servir à de vraies décisions thérapeutiques. En parallèle, l'équipe veut déterminer si la même approche peut prédire la réponse à d'autres médicaments ciblés et être transposée à d'autres types de tumeurs.

Ce que cela signifie

En médecine, l'IA sert de plus en plus non pas à un « soutien au médecin » abstrait, mais à une décision très concrète : à qui il ne faut pas donner un traitement lourd sans chance de bénéfice. Si PhenMap passe l'étape de la validation, les oncologues disposeront d'un outil qui rend le traitement plus précis, plus doux pour le patient et plus rationnel pour le système de santé. Pour le NHS et d'autres systèmes, c'est aussi un cas rare où l'IA peut à la fois réduire les dommages, accélérer le choix du schéma et réduire les dépenses inutiles.