Publié le 10 octobre 2025 20:59:00. Une nouvelle approche basée sur l’intelligence artificielle permettrait de prédire avec précision la réponse des cellules cancéreuses du poumon aux traitements, ouvrant la voie à une médecine de précision plus efficace pour les patients atteints de la forme la plus répandue de cette maladie.
- Des chercheurs ont développé un outil prédictif basé sur l’IA et la biologie spatiale pour personnaliser le traitement du cancer du poumon non à petites cellules (CPNPC).
- L’étude, menée sur 234 patients en Australie, aux États-Unis et en Europe, identifie les zones tumorales sensibles et résistantes aux thérapies.
- Cette avancée pourrait optimiser l’utilisation des immunothérapies coûteuses et améliorer les résultats pour les patients.
Le cancer du poumon représente la première cause de décès par cancer à l’échelle mondiale, avec environ 1,8 million de décès annuels. Le cancer du poumon non à petites cellules (CPNPC), qui représente 85 % de l’ensemble des cas, est particulièrement difficile à traiter. Les immunothérapies, bien que prometteuses, ne sont efficaces que chez 20 à 30 % des patients et peuvent entraîner des effets secondaires graves, notamment une toxicité immunitaire potentiellement mortelle. Leur coût est également considérable, atteignant entre 400 000 et 500 000 dollars (environ 375 000 à 468 000 euros) par patient et par an.
Une équipe de chercheurs de la Yale School of Medicine, en collaboration avec des scientifiques de l’Institut Frazer de l’Université du Queensland, a mis au point une méthode innovante pour anticiper la réaction des cellules cancéreuses du poumon aux différentes thérapies. Leur travail, publié dans la revue Nature Genetics, repose sur l’analyse détaillée de tumeurs provenant de 234 patients atteints de CPNPC, issus de trois cohortes internationales.
« En utilisant l’IA et la biologie spatiale, nous avons cartographié le CPNPC, cellule par cellule, pour comprendre et prédire sa réponse au traitement médicamenteux », explique Thazin Aung, PhD, qui a dirigé l’étude. « Cette approche, que l’on pourrait comparer à un “Google Maps” de la tumeur, permet d’identifier les zones sensibles et résistantes aux thérapies, ce qui représente un véritable tournant pour le traitement du cancer du poumon. Plutôt que de procéder par tâtonnements, les oncologues disposeront désormais d’outils de médecine de précision pour déterminer les traitements les plus susceptibles de fonctionner. »
Selon David Rimm, MD, PhD, professeur à la Yale School of Medicine, ce travail « fournit une feuille de route pour un nouveau test de diagnostic qui pourrait optimiser le choix du traitement dans le cancer du poumon ». Il souligne l’importance de mieux cibler les thérapies pour éviter les effets secondaires inutiles et améliorer les chances de succès.
Arutha Kulasinghe, PhD, auteur principal de l’Université du Queensland, insiste sur la nécessité de classer les patients en fonction de leur probabilité de bénéficier d’un traitement. « Ces thérapies comportent également des risques importants pour les patients qui les reçoivent, notamment une toxicité immunitaire grave qui peut être mortelle », précise-t-elle. « En intégrant des données sur la géographie moléculaire du cancer et des techniques d’apprentissage automatique, nous pouvons améliorer la prise de décision en matière de traitement et améliorer les résultats pour les patients atteints d’un cancer du poumon. Cette même approche pourrait également être appliquée à d’autres types de cancers pour lesquels des immunothérapies sont utilisées, comme le mélanome, le cancer de la tête et du cou et le cancer de la vessie. »
L’étude a été réalisée en collaboration avec la Yale School of Medicine et WEHI, et a bénéficié du soutien financier du NIH, de Yale SPORE in Lung Cancer, du Robert E. Leet et Clara Guthrie Patterson Trust Mentored Research Award, de la Tower Cancer Research Foundation, de la Lionheart Foundation Grant via Yale Cancer Center, de Cure Cancer, de la Princess Alexandra Research Foundation et du Wesley Research Institute. L’Institut Frazer de l’UQ est basé au Translational Research Institute (TRI).