L’analyse d’images : vers une médecine personnalisée du cancer du sein

Peut-on savoir si une tumeur présente une anomalie génétique, rien qu’en regardant des lames minces au microscope optique ? Et, si oui, que nous enseigne cette observation ?

Ces deux questions, au cœur des recherches conduites par Tristan Lazard, doctorant au Centre de bio-informatique (CBIO Mines Paris – PSL), sont traitées dans un article publié dans la prestigieuse revue Cell Report Medicine, de décembre 2022. (FI facteur d’impact 17).

Un succès du partenariat entre l’école des Mines, l’Inserm et l’Institut Curie, de la chaire « Prairie » et de l’institut de convergence Q-Life

Cet article collectif, dont Tristan Lazard est l’auteur principal, est intitulé « Deep learning identifies morphological patterns of homologous recombination deficiency in luminal breast cancers from whole slide images ». L‘article est le fruit d’une collaboration étroite entre le service de pathologie de l’Institut Curie (Anne Vincent-Salomon) et deux centres de recherche de l’École des Mines : le CBIO (Thomas Walter) et le CMM (Etienne Decencière). Cette collaboration a été rendue possible grâce à un partenariat stratégique entre l’École des Mines et l’Institut Curie et constitue donc un excellent exemple de l’interdisciplinarité de PSL.

« Pour avoir de l’impact dans ce domaine, il est essentiel de combiner l’expertise biomédicale avec l’expertise en intelligence artificielle. », explique Thomas Walter, directeur du CBIO. « Il s’agit de définir les projets ensemble, de travailler ensemble et, surtout, de ne jamais cesser d’apprendre l’un de l’autre. »

Pour le jeune chercheur, qui soutiendra sa thèse (sous la direction de Thomas Walter et d’Etienne Decencière), en juin prochain, le résultat est à la fois inattendu et riche de promesses d’une meilleure prise en charge des patientes. La thèse était financée par Q-Life et la chaire PRAIRIE de Thomas Walter.

Une méthode innovante

On a travaillé sur des lames de microscopie (whole slide images), images numérisées de coupes de tumeurs, issues d’une cohorte de patientes établie par l’Institut Curie, pour chercher à prédire une anomalie génétique (le défaut de recombinaison homologue) qui, si détectée, permet de personnaliser et d’améliorer le traitement des patientes.
Le fait même que ce soit faisable est encourageant ; il n’y avait pas de signe morphologique connu du HRD. Les lames à la base de la prédiction étant faites en routine et pour un faible coût. Cela pourrait donc permettre l’utilisation à grande échelle de ce genre de méthode. On a de plus travaillé à rendre interprétables les prédictions de notre modèle, et on a ainsi pu découvrir un certain nombre de signes « visuels » (les phénotypes morphologiques) spécifiques des tumeurs porteuses de l’anomalie.
En plus d’être prometteur pour leur utilisation en clinique, ces méthodes d’apprentissage peuvent être aussi enthousiasmantes du point de vue plus fondamental de la compréhension des maladies.

Une grande avancée vers la médecine personnalisée

Alors que plus de deux millions de femmes dans le monde font, chaque année, face à un diagnostic de cancer du sein, l’intelligence artificielle se révèle être un outil au service de la médecine. En effet, les cancers du sein luminaux, auxquels cette étude s’est intéressée représentent 60% des cas. L’algorithme développé par Tristan Lazard va permettre d’identifier les patientes qui pourraient bénéficier d’une thérapie ciblée. Un brevet associant Mines Paris et l’Institut Curie est en cours.