PhenMap et le NHS : AI identifiera les patients qui ne bénéficieront pas du bevacizumab dans le cancer colorectal

Des chercheurs britanniques et irlandais ont présenté une approche par IA qui aide à évaluer à l'avance si le bevacizumab fonctionnera pour un patient atteint d'un cancer colorectal avancé. Si la méthode est confirmée sur de grands échantillons, les médecins pourront prescrire moins souvent un traitement toxique et coûteux à ceux pour qui il ne sera presque certainement pas utile.

Comment Fonctionne la Méthode

L'Institut de recherche sur le cancer à Londres et le RCSI à 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, notamment l'âge, le sexe et la localisation de la tumeur dans le côlon. Contrairement à la stratification standard par plusieurs sous-types, le modèle tente de capturer des combinaisons plus complexes de caractéristiques et de les convertir en un pronostic pratique pour un individu spécifique.

Après cela, les chercheurs ont exécuté un autre modèle sur PhenMap, qui attribue un groupe de risque au patient après une thérapie au bevacizumab en combinaison avec la chimiothérapie. Le système divise les patients en groupes de risque élevé, modéré et faible et évalue non seulement la gravité générale de la maladie, mais aussi la probabilité que ce régime de traitement particulier soit inutile. C'est important pour l'oncologie personnalisée : la tâche ne consiste pas seulement à trouver ceux pour qui le médicament aidera, mais aussi à éliminer le traitement inutile du parcours des autres à l'avance.

Ce Que L'Étude a Montré

L'équipe a analysé les données de 117 patients européens atteint d'un cancer colorectal métastatique qui avaient déjà reçu du bevacizumab avec une chimiothérapie. Le travail a été publié dans Scientific Reports. Le modèle a trouvé des biomarqueurs associés à une mauvaise réponse au traitement et a formé des groupes pronostiques basés sur eux.

Dans le groupe à haut risque, pas un seul patient n'a répondu à la thérapie, tandis que dans le groupe à faible risque, une réponse a été observée chez 10 personnes sur 12. Parmi les signaux identifiés par l'IA, la mutation du gène BRAF était particulièrement remarquable : les patients porteurs de celle-ci ont chuté dans le groupe à haut risque et ont eu des résultats plus mauvais. Les chercheurs ont également associé un mauvais pronostic à deux délétions chromosomiques et ont utilisé ces caractéristiques comme base pour un futur test.

L'idée est de voir non seulement le diagnostic avant le début du traitement, mais aussi le profil moléculaire de résistance d'une tumeur particulière.

Pour les cliniciens, cela pourrait ressembler à ceci :

• Avant de prescrire une thérapie, un médecin reçoit non pas un pronostic "moyen" général, mais un profil de risque individuel
• Les patients ayant une forte probabilité de non-réponse peuvent éviter une toxicité inutile
• L'hôpital économise du temps et des ressources sur un traitement qui n'aura aucun effet
• Pour certains patients, le chemin vers d'autres régimes ou essais cliniques s'ouvre plus rapidement

Pourquoi C'est Important

La NHS a approuvé le bevacizumab pour les patients atteint d'un cancer colorectal avancé en décembre, mais le médicament ne fonctionne que pour un nombre limité de personnes et peut causer des effets secondaires graves, notamment l'hypertension, des problèmes gastro-intestinaux et des caillots sanguins. L'Angleterre identifie presque 10 000 cas de ce stade de la maladie annuellement, et les options de traitement après la propagation tumorale sont nettement moindres. Par conséquent, même un filtrage préliminaire grossier par probabilité de réponse a déjà une valeur clinique ici.

«

Jusqu'à présent, nous n'avions pas pu identifier à l'avance les patients qui ne bénéficieraient probablement pas du médicament », déclare le Professeur Anguradh Sadanandan.

Les auteurs soulignent séparément que cela n'est pas encore un test diagnostique complet pour les hôpitaux. Les résultats doivent être confirmés sur une cohorte plus importante, puis vérifiés dans un essai clinique prospectif. Ce n'est qu'après une telle validation que le modèle peut être utilisé pour de véritables décisions de traitement. En parallèle, l'équipe souhaite comprendre si la même approche peut prédire la réponse à d'autres médicaments ciblés et transférer la méthode à d'autres types de tumeurs.

Ce Que Cela Signifie

L'IA en médecine est de plus en plus utilisée non pour un « soutien abstrait au médecin », mais pour une décision très concrète : qui ne devrait pas recevoir une thérapie lourde sans chance de bénéfice. Si PhenMap passe la validation, les oncologues auront un outil qui rend simultanément le traitement plus précis, plus doux pour le patient et plus rationnel pour le système de santé. Pour la NHS et autres systèmes, c'est aussi un cas rare où l'IA peut simultanément réduire les préjudices, accélérer la sélection du traitement et réduire les dépenses inutiles.