Dans la grande majorité des cancers du poumon (plus précisément dans les cancers du poumon non à petites cellules), l’immunothérapie est prescrite en première ligne pour 85 % des patients. Or, certains y répondent et d’autres non. Réussir à prédire l’efficacité de ce traitement représente donc un enjeu crucial afin de gagner du temps sur l’évolution de la maladie, éviter des effets secondaires inutiles et réduire les coûts. Des scientifiques de l’Institut Curie, de l’Inserm et de Mines Paris-PSL, se sont lancés dans un projet pionnier, financé par la Fondation Arc et PR[AI]RIE, à la recherche de nouveaux biomarqueurs prédictifs.
Pionnier d’abord en termes d’organisation : 16 chercheurs de l’Institut Curie, de l’Inserm et de Mines Paris-PSL, aidés de nombreux collègues et issus de divers domaines (imagerie, intelligence artificielle, pathologie, radiomique, biologie de la tumeur…) ont collaboré de manière transdisciplinaire autour de mêmes jeux de données. Pionnier ensuite en termes de résultats : cette équipe est parvenue à identifier la meilleure combinaison de données pour prédire la réponse à l’immunothérapie dans le cancer du poumon non à petites cellules.
« En collaboration avec l’équipe du Professeur Nicolas Girard, chef du département d’oncologie médicale de l’Institut Curie, nous avons recueilli, pour 317 patients, des données transcriptomiques, c’est-à-dire d’expression du génome ; des données de radiomique, donc d’imagerie ; des données d’anatomopathologie de la tumeur ; et enfin des données cliniques », détaille le Docteur Emmanuel Barillot, directeur de l’unité Oncologie computationnelle (U1331, Institut Curie, Inserm). « Nous avons ainsi découvert que les algorithmes qui combinent les données de trois ou quatre de ces modalités prédisent toujours mieux la réponse au traitement que ceux n’en utilisant qu’une ou deux. Cette preuve de l’intérêt de la multimodalité n’avait pas encore été rapportées pour le cancer du poumon non à petites cellules ».
Mieux encore, les scientifiques ont repéré les modalités les plus prédictives et les ont reliées à des mécanismes biologiques. « Nous avons par exemple observé que le transcriptome fournit des informations de bonne qualité, notamment parce qu’il permet de quantifier les cellules dendritiques – dont l’action dans la réponse à l’immunothérapie est déjà connue », poursuit le chercheur. « Nos prochaines recherches vont s’attacher à intégrer encore plus de données dans nos algorithmes pour vérifier la fiabilité des prédictions et l’améliorer encore », annonce Nicolas Captier, premier auteur de l’étude et doctorant dans l’équipe Biologie des systèmes du cancer de l’Institut Curie. « Et à terme, l’espoir est de pouvoir utiliser de tels algorithmes pour l’élaboration de la stratégie thérapeutique ».
Inserm presse du 22-01-2025 : https://presse.inserm.fr/immunotherapie-combiner-les-donnees-pour-mieux-predire-lefficacite/69880/
