La tâche spécifique que le Dr Gil Shamai et Amir Livne, du laboratoire du Professeur Ron Kimmel de la Faculté d'Informatique Henry et Marilyn Taub du Technion, ont voulu accomplir, relève du domaine de l'immunothérapie. Ces dernières années, l'immunothérapie a gagné en importance dans le traitement de plusieurs types de cancer. La base de cette thérapie consiste à encourager le système immunitaire de l'organisme à attaquer la tumeur. Elle doit néanmoins être personnalisée. Il faut administrer le bon médicament aux patients qui en bénéficieront en fonction des caractéristiques spécifiques de la tumeur.
De nombreux mécanismes naturels empêchent notre système immunitaire de s'attaquer à notre propre corps. Ces mécanismes sont souvent exploités par les tumeurs cancéreuses pour échapper au système immunitaire. L'un de ces mécanismes est lié à la protéine PD-L1. Présente dans certaines tumeurs, elle agit comme une sorte de passe-partout en convainquant à tort le système immunitaire que le cancer ne doit pas être attaqué. Une immunothérapie spécifique contre la protéine PD-L1 pourrait persuader le système immunitaire d'ignorer ce passe-partout, mais elle ne serait bien sûr efficace que si la tumeur exprime la protéine en question.
C'est la tâche du pathologiste de déterminer si la tumeur d'un patient exprime le PD-L1. Des marqueurs chimiques coûteux sont utilisés pour colorer une biopsie prélevée sur la tumeur afin d'obtenir la réponse. Ce processus peut être long et complexe.
Le Dr Shamai et son équipe ont adopté une approche différente. Ces dernières années, il est maintenant pratique courante, sous le contrôle de la FDA, de scanner les biopsies afin de les utiliser pour une analyse pathologique numérique. Amir Livne, le Dr Shamai et le Professeur Kimmel ont décidé de voir si un réseau neuronal pouvait utiliser ces scans pour établir le diagnostic sans nécessiter de processus supplémentaires. "Ils nous ont dit que c'était impossible", a déclaré l'équipe, "alors bien sûr, nous devions leur prouver le contraire".
Les réseaux neuronaux sont formés d'une manière similaire à la façon dont les enfants apprennent : on leur présente de multiples exemples étiquetés. On montre à un enfant de nombreux chiens et diverses autres choses, et à partir de ces exemples, il se fait une idée de ce qu'est un "chien". Le réseau neuronal mis au point par l'équipe du professeur Kimmel s'est vu présenter des images de biopsies numériques de 3 376 patients, marquées comme exprimant ou n'exprimant pas PD-L1. Après une validation préliminaire, il a été demandé au réseau de déterminer si les images de biopsies supplémentaires provenant d'essais cliniques sur 275 patients étaient positives ou négatives pour le PD-L1. Les résultats ont été meilleurs que prévu : pour 70 % des patients, le système a pu déterminer la réponse de manière sûre et correcte. Pour les 30 % de patients restants, le programme n'a pas pu trouver les modèles visuels qui lui auraient permis de trancher dans un sens ou dans l'autre. Il est intéressant de noter que, dans les cas où l'intelligence artificielle (IA) n'était pas d'accord avec la détermination du pathologiste humain, un deuxième test a prouvé que l'IA avait raison.
"Il s'agit d'une réalisation capitale", a expliqué le Professeur Kimmel. "Les variations que l'ordinateur a trouvées ne peuvent pas être distinguées à l'œil humain. Les cellules s'organisent différemment si elles présentent PD-L1 ou non, mais les différences sont si minimes que même un pathologiste qualifié ne peut pas les identifier en toute confiance. Maintenant, notre réseau neuronal le peut."
Cette réalisation est le fruit du travail d'une équipe composée du Dr Gil Shamai et de l'étudiant Amir Livne, qui ont développé la technologie et élaboré les expériences, du Dr António Polónia de l'Institut de Pathologie Moléculaire et d'Immunologie de l'Université de Porto, au Portugal, du Professeur Edmond Sabo et du Dr. Alexandra Cretu du Carmel Medical Center de Haïfa, en Israël, qui sont des pathologistes experts ayant mené les recherches. Elle a également été permise par le soutien du professeur Gil Bar-Sela, chef de la division Oncologie et Hématologie du Haemek Medical Center d'Afula, en Israël.
"C'est une opportunité incroyable de réunir l'intelligence artificielle et la médecine", a déclaré le Dr Shamai. "J'aime les mathématiques et j'aime développer des algorithmes. Pouvoir utiliser mes compétences pour aider les gens, pour faire progresser la médecine - c'est plus que ce à quoi je m'attendais lorsque j'ai commencé comme étudiant en informatique." Il dirige désormais une équipe de 15 chercheurs, qui font passer ce projet à la vitesse supérieure.
"Nous nous attendons à ce que l'IA devienne un outil puissant entre les mains des médecins", a partagé le Professeur Kimmel. "L'IA peut aider à établir ou à vérifier un diagnostic, elle peut aider à adapter le traitement à chaque patient et elle peut offrir un pronostic. Je ne pense pas qu'elle puisse, ou doive, remplacer le médecin humain, mais elle peut rendre certains éléments du travail des médecins plus simples, plus rapides et plus précis."
46 rue de l'Amiral Hamelin, 75116 Paris
valerie.sabah@technionfrance.org
Recevez les actualités du Technion France
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form