Une collaboration Carnot AP-HP - Owkin pour lutter contre cancer du pancréas grâce à l'IA

06 2021
Les Carnot préparent le futur

Le premier outil basé sur l'intelligence artificielle pour prédire les sous-types moléculaires du cancer du pancréas (PDAC) à partir de lames d'histologie a été présenté à l'ASCO 2021 : de nouveaux travaux scientifiques novateurs issus de la collaboration fructueuse entre le Carnot AP-HP et Owkin.

L'AP-HP, premier centre européen d'essais cliniques, labellisé Carnot, et Owkin, une start-up pionnière des technologies d'apprentissage fédéré et d’intelligence artificielle (IA) pour la recherche médicale et le développement clinique, ont annoncé les résultats de leur collaboration à l'ASCO 2021.  Ces travaux intitulés « Identification des sous-types moléculaires d'adénocarcinome pancréatique sur les lames d'histologie à l'aide de modèles d'apprentissage profond » présentent le premier outil basé sur l’IA pour prédire les sous-types moléculaires du cancer du pancréas (PDAC) développé à partir de l'apprentissage automatique appliqué aux lames d'histologie. L'outil est utilisable en routine clinique dans le monde entier et ouvre la possibilité de stratification moléculaire des patients dans les soins de routine comme dansles essais cliniques. 

L’adénocarcinome canalaire est la tumeur cancéreuse du pancréas la plus fréquente puisqu’elle représente 95 % de l’ensemble des cancers du pancréas. Malgré ce fait, les améliorations autour des pronostics de santé vis-à-vis de ces tumeurs sont quasi inexistantes tandis que ce type de cancer devrait être le second avec le plus fort taux de mortalité d’ici 2030.

Une technique utilisée pour les patients le cancer du pancréas consiste à déterminer deux sous-types de signature transcriptomique tumorale qui permettent de prédire si les traitements de chimiothérapie fonctionnent. Néanmoins, ce processus est actuellement complexe et non réalisable dans un cadre clinique de routine. En partant de ce constat, plusieurs chercheurs et data scientists ont décidé de se pencher sur l’utilisation des méthodes d’IA pour essayer de trouver une solution viable à ce problème complexe.

Pour que cette recherche puisse se réaliser, AP-HP et Owkin collaborent depuis 2019. Leur partenariat s’axe autour de deux objectifs :

  • Améliorer la prise en charge des patients et facilement le développement de nouveaux médicaments dans le domaine de l’oncologie, l’immunologie et la cardiologie.
  • Démocratiser l’accès à l’IA pour les chercheurs afin de favoriser l’innovation et les avancées médicales.
Un modèle de machine learning pour prédire les sous-types génomiques

Dans le cadre d’une recherche conjointement menée par le Carnot AP-HP et Owkin, les équipes ont réussi à développer un modèle de machine learning permettant de prédire les sous-types génomiques de l’adénocarcinome pancréatique, la tumeur la plus fréquente chez les patients atteints du cancer du pancréas.

Gilles Wainrib, Chief Scientific Officer et co-fondateur d’Owkin, évoque les recherches réalisées pour aboutir à cette solution :
“Nos recherches montrent que l’IA peut aider à connecter les informations aux niveaux génomique, cellulaire et tissulaire, et comment cela peut apporter une valeur immédiate pour faire de la médecine de précision une réalité pour les patients. Cette étude souligne en outre la valeur de l’utilisation du machine learning pour identifier les signaux histo-génomiques pour recherche sur le cancer et développement clinique.”

Le Pr Jérôme Cros, pathologiste à l’hôpital Beaujon AP-HP, explicite les techniques utilisées pour développer cet outil :
“Cet outil a été développé en utilisant les ressources histologiques et moléculaires uniques de quatre hôpitaux du réseau AP-HP (Amboise Paré, Beaujon, Pitié Salpétrière, Saint Antoine) à travers une collaboration unique entre pathologistes de l’AP-HP, bioinformaticiens du groupe Carte d’Identité des Tumeurs de la Ligue Contre le Cancer et des data scientists d’Owkin. Il peut sous-typer la tumeur à distance en quelques minutes ouvrant la voie à de nombreuses applications issues de la science fondamentale (étude de l’hétérogénéité intratumorale) à la pratique clinique (sous-typage tumoral dans les essais cliniques).”