Une équipe de recherche de l'Université de Genève en Suisse a récemment annoncé avoir développé un nouveau système d'intelligence artificielle capable d'évaluer avec précision le risque de métastases et de récidive tumorales en analysant les caractéristiques complexes de l'expression génique. Il devrait améliorer considérablement les résultats personnalisés du diagnostic et du traitement des patients atteints de divers cancers.


Les métastases cancéreuses restent l’un des aspects les plus mortels de la maladie, mais les mécanismes biologiques qui les sous-tendent n’ont pas encore été entièrement élucidés. Les chercheurs ont souligné que certaines tumeurs seront localisées au site primaire, tandis que d’autres auront la capacité de se propager dans tout le corps. Expliquer cette différence au niveau moléculaire est une condition préalable essentielle à l’amélioration des stratégies de traitement.

Cette étude a été dirigée par une équipe du Département de médecine génétique et de médecine du développement de la Faculté de médecine de l'Université de Genève. Les chercheurs ont utilisé des cellules présentes dans les tumeurs de patients atteints d'un cancer du côlon pour effectuer une analyse systématique afin de tenter de découvrir les facteurs décisifs qui affectent le risque de métastases. Ils ont non seulement identifié des facteurs d'influence clés liés aux métastases, mais ont également découvert une série de « signatures d'expression génique » qui peuvent refléter la propension aux métastases. Sur cette base, ils ont développé un outil d’IA appelé Mangrove Gene Signatures (MangroveGS) pour transformer ces informations biologiques en prédictions quantitatives du risque de métastases dans divers cancers.

La recherche a été publiée dans la revue Cell Reports. Ariel Ruiz i Altaba, auteur correspondant de l'article et professeur à la Faculté de médecine de l'Université de Genève, a expliqué que le cancer est souvent décrit comme une « prolifération désordonnée de cellules », mais qu'une compréhension plus précise devrait être « un processus de développement déformé ». De ce point de vue, les cellules cancéreuses n’évoluent pas de manière complètement aléatoire, mais, grâce à des changements aux niveaux génétiques et épigénétiques, elles réactivent des programmes biologiques qui auraient dû être arrêtés au cours de la formation embryonnaire ou précoce d’un organe, entraînant ainsi l’apparition et la progression des tumeurs.

L'équipe de recherche a souligné que le véritable défi est de « lire » cette logique interne tordue et de déterminer quelles cellules « se détacheront » de la tumeur primaire et « recommenceront » dans d'autres parties du corps. Actuellement, les premiers signes cliniquement détectables de métastases sont souvent l’apparition de cellules tumorales circulantes dans le sang ou le système lymphatique, mais au moment où ces cellules sont découvertes, le processus métastatique a probablement déjà commencé tranquillement dans de nombreux endroits.

En revanche, bien que la communauté scientifique ait beaucoup appris sur les mutations génétiques à l’origine de la formation de tumeurs primaires, elle a mis du temps à trouver un seul changement génétique expliquant pourquoi certaines cellules cancéreuses quittent la tumeur tandis que d’autres restent en place. La difficulté, explique Ruiz i Altaba, est que "pour caractériser pleinement l'identité moléculaire d'une cellule, elle doit être analysée de manière destructive ; mais pour observer son véritable comportement, elle doit être maintenue en vie".

Pour résoudre cette contradiction, l’équipe de recherche a isolé des cellules uniques de tumeurs du cancer du côlon, les a clonées et cultivées in vitro. Ces cellules clonales dérivées de la même tumeur ont ensuite été évaluées dans des systèmes in vitro et des modèles murins pour déterminer leur capacité à franchir les barrières biologiques et à former des métastases. Les chercheurs ont mesuré les niveaux d’activité de centaines de gènes dans environ 30 cellules clonées provenant de deux tumeurs primaires du côlon et ont découvert qu’il existait des gradients d’expression génique évidents entre différents clones cellulaires, et que ces gradients étaient significativement liés à la capacité des cellules à migrer.

Cette découverte pointe également vers une conclusion importante : le risque de métastases ne peut pas être simplement déterminé par les caractéristiques de cellules individuelles, mais dépend du comportement collectif et des interactions entre un groupe de cellules cancéreuses « apparentées » au sein de la tumeur.

En termes de construction d’algorithmes, l’équipe de recherche a intégré les signatures d’expression génique ci-dessus dans MangroveGS, un modèle d’IA développé à Genève. Aravind Srinivasan, un doctorant qui a participé à la recherche, a déclaré que l'innovation exceptionnelle de cet outil est qu'il ne s'appuie pas sur quelques gènes marqueurs, mais utilise des dizaines, voire des centaines de signatures génétiques différentes en même temps, ce qui réduit considérablement l'interférence des différences individuelles ou des fluctuations d'une seule voie sur les résultats, rendant la prédiction plus robuste et fiable.

Après avoir terminé la formation, la précision de MangroveGS dans la prévision des métastases et des récidives chez les patients atteints d'un cancer du côlon était proche de 80 %, soit nettement meilleure que celle de plusieurs outils de prédiction existants. De manière encore plus frappante, l'équipe a découvert que ces signatures d'expression génique initialement identifiées dans le cancer du côlon peuvent également être transférées à d'autres types de cancer tels que le cancer gastrique, le cancer du poumon, le cancer du sein, etc. pour prédire efficacement leur potentiel métastatique, ce qui indique qu'il peut y avoir un langage moléculaire commun dans les mécanismes de métastases de différentes tumeurs solides.

Les chercheurs envisagent que MangroveGS soit intégré aux flux de travail cliniques de routine dans un avenir proche. Pour les patients, les médecins doivent uniquement obtenir systématiquement des échantillons de tissus tumoraux, analyser et séquencer génétiquement les cellules contenues dans les échantillons à l'hôpital, puis saisir ces données dans le système, et MangroveGS générera un score quantitatif de risque de métastases. Des résultats pertinents peuvent être fournis aux oncologues et aux patients via le portail crypté Mangrove, garantissant ainsi l'anonymat et la sécurité des données.

L'équipe estime que l'importance clinique de tels outils va au-delà de l'amélioration de l'évaluation des risques elle-même. D'une part, cela devrait aider les médecins à éviter de surtraiter les patients à faible risque, réduisant ainsi les effets secondaires inutiles et les dépenses médicales ; en revanche, pour les personnes jugées à haut risque, la fréquence de la surveillance et l’intensité du traitement peuvent être renforcées en conséquence pour augmenter les chances d’une intervention précoce. Dans le même temps, l’introduction de tels outils de stratification des risques dans la conception des essais cliniques peut également optimiser le recrutement des sujets, réduire le nombre de volontaires requis, améliorer la puissance statistique de l’essai et donner la priorité aux avantages potentiels pour les groupes de patients qui ont le plus besoin de nouveaux traitements.

L'équipe de recherche a déclaré que la prochaine étape consistera à valider l'applicabilité de MangroveGS dans une cohorte multicentrique à plus grande échelle et à explorer davantage les voies biologiques spécifiques derrière ces signatures d'expression génique, en vue de découvrir de nouvelles cibles thérapeutiques et de fournir des stratégies d'intervention plus précises pour bloquer les métastases cancéreuses.