Depuis plus de trois décennies, les médecins ne disposent pas d’un test de diagnostic précoce très précis pour le cancer de l’ovaire. Aujourd’hui, des scientifiques du Georgia Tech Integrated Cancer Research Center (ICRC) ont combiné l’apprentissage automatique avec des informations sur les métabolites sanguins pour développer un nouveau test capable de détecter le cancer de l’ovaire avec une précision de 93 % dans les échantillons du groupe d’étude de l’équipe.
John McDonald, professeur émérite à l’École des sciences biologiques, directeur fondateur du CICR et auteur correspondant de l’étude, explique que la précision du nouveau test dans la détection du cancer de l’ovaire est meilleure que celle des tests existants destinés aux femmes considérées comme cliniquement normales, avec une amélioration particulière de la détection de la maladie ovarienne à un stade précoce dans cette cohorte.
Les découvertes et les méthodes de l’équipe sont détaillées dans un nouvel article, « Une approche probabiliste personnalisée du diagnostic du cancer de l’ovaire », publié dans l’édition en ligne de mars 2024 du Medical Journal.Oncologie gynécologiqueSur la base de leurs modèles informatiques, les chercheurs ont développé ce qu’ils croient être une approche plus utile sur le plan clinique pour diagnostiquer le cancer de l’ovaire, dans laquelle le profil métabolique individuel d’une patiente peut être utilisé pour attribuer une probabilité plus précise de présence ou d’absence de la maladie.
« Cette approche personnalisée et probabiliste du diagnostic du cancer est plus informative et plus précise sur le plan clinique que les tests binaires traditionnels (oui/non) », explique McDonald. « Cela représente une nouvelle direction prometteuse dans la détection précoce du cancer de l’ovaire et peut-être également d’autres cancers. »
L’un des co-auteurs de l’étude est Dongjo Ban, bioinformaticien titulaire d’un doctorat. étudiant au laboratoire McDonald’s; les chercheurs Stephen N. Housley, Lilya V. Matyunina et L. DeEtte (Walker) McDonald ; Le professeur Regents Jeffrey Skolnick, qui est également titulaire de la chaire Mary et Maisie Gibson à l’École des sciences biologiques et est chercheur émérite de la Georgia Research Alliance en biologie des systèmes computationnels ; et deux médecins collaborateurs : le professeur Victoria L. Bae-Jump de l’Université de Caroline du Nord et Benedict B. Benigno, fondateur et directeur général de l’Ovarian Cancer Institute d’Atlanta. Les membres de l’équipe de recherche forment une startup pour transférer et commercialiser la technologie et prévoient de poursuivre les études nécessaires et l’approbation de la FDA pour le test.
Tueur silencieux
Le cancer de l’ovaire est souvent qualifié de « tueur silencieux » car la maladie est généralement asymptomatique lorsqu’elle apparaît pour la première fois – et n’est généralement découverte qu’à des stades ultérieurs de son développement, lorsque le traitement est difficile.
McDonald explique que si le taux de survie moyen sur cinq ans des patientes atteintes d’un cancer de l’ovaire à un stade avancé, même après traitement, est d’environ 31 pour cent, le taux de survie moyen sur cinq ans est supérieur à 31 pour cent lorsque le cancer de l’ovaire est détecté tôt et 90 pour cent. sont traités.
« Il existe clairement un énorme besoin en matière de test de diagnostic précoce et précis pour cette maladie insidieuse », déclare McDonald.
Et bien que le développement d’un test de dépistage du cancer de l’ovaire ait été vigoureusement poursuivi pendant plus de trois décennies, le développement de tests de diagnostic précoces et précis s’est révélé difficile. Étant donné que le cancer commence au niveau moléculaire, explique McDonald, il existe plusieurs voies possibles qui peuvent même conduire au même type de cancer.
“En raison de cette hétérogénéité moléculaire élevée parmi les patientes, l’identification d’un seul biomarqueur diagnostique universel pour le cancer de l’ovaire n’a pas été possible”, explique McDonald. « Pour cette raison, nous avons décidé de tirer parti d’une branche de l’intelligence artificielle – l’apprentissage automatique – pour développer une approche probabiliste alternative au défi du diagnostic du cancer de l’ovaire. »
Profils métaboliques
Dongjo Ban, co-auteur de Georgia Tech, dont la thèse a contribué à l’étude, explique : “Comme on sait que les changements de point final au niveau métabolique reflètent des changements sous-jacents qui agissent collectivement à plusieurs niveaux moléculaires, nous avons choisi les profils métaboliques comme colonne vertébrale.” .»
“La quantité de métabolites humains est une mesure collective de la santé cellulaire”, ajoute le co-auteur Jeffrey Skolnick, “et en sélectionnant de manière non arbitraire un sous-ensemble à l’avance, vous laissez l’intelligence artificielle déterminer quels sont les acteurs clés pour une chose particulière. .” Individuel.”
La spectrométrie de masse peut identifier la présence de métabolites dans le sang en déterminant leurs signatures de masse et de charge. Cependant, Ban affirme que la composition chimique précise d’un métabolite nécessite une caractérisation beaucoup plus complète.
Ban explique qu’il est actuellement impossible de déterminer avec précision les processus moléculaires spécifiques qui contribuent au profil métabolique d’un individu, car la composition chimique exacte de moins de sept pour cent des métabolites circulant dans le sang humain a été chimiquement caractérisée à ce jour.
Cependant, l’équipe de recherche s’est rendu compte que même sans connaître la composition chimique précise de chaque métabolite individuel, la simple présence de différents métabolites dans le sang de différentes personnes, détectée par spectrométrie de masse, peut être incorporée comme caractéristiques dans la formation de mesures précises et automatiques. modèles de prédiction basés sur l’apprentissage (similaires à l’utilisation de caractéristiques faciales individuelles dans la création d’algorithmes de reconnaissance de formes faciales).
« On sait que des milliers de métabolites circulent dans le sang humain et peuvent être détectés facilement et avec précision par spectrométrie de masse et combinés avec l’apprentissage automatique pour établir un diagnostic précis du cancer de l’ovaire », explique Ban.
Une nouvelle approche probabiliste
Les chercheurs ont développé leur approche intégrative en combinant le profilage métabolique et les classificateurs basés sur l’apprentissage automatique pour créer un test de diagnostic avec une précision de 93 % qui a été testé sur 564 femmes de Géorgie, de Caroline du Nord, de Philadelphie et de l’ouest du Canada. 431 des participantes à l’étude étaient des patientes actives atteintes d’un cancer de l’ovaire, tandis que les 133 femmes restantes de l’étude n’avaient pas de cancer de l’ovaire.
D’autres études ont été lancées pour étudier la possibilité que le test puisse détecter la maladie à un stade très précoce chez les femmes qui n’ont présenté aucun symptôme clinique, explique McDonald.
McDonald anticipe un avenir clinique dans lequel une personne présentant un profil métabolique se situant dans une plage de scores rendant le cancer très improbable n’aura besoin que d’une surveillance annuelle. Mais une personne dont le taux métabolique se situe dans une fourchette où la majorité (par exemple, 90 %) a déjà reçu un diagnostic de cancer de l’ovaire serait probablement surveillée plus fréquemment – ou peut-être référée immédiatement pour un dépistage plus approfondi.