Générer un algorithme clinique décisionnel afin de prédire la réponse clinique à l’immunothérapie chez les carcinomes non à petites cellules, en liant les caractéristiques cliniques, radiomiques et immunitaires des patients et de la tumeur par l’intelligence artificielle
Résumé
Le cancer du poumon est le plus meurtrier au Canada, tuant plus de patient que les cancers du côlon, de la prostate et du sein réunis. Malheureusement, la majorité des patients diagnostiqués avec un carcinome pulmonaire se présentent avec une maladie avancée, ce qui les rend inopérables et seulement éligibles à un traitement systémique. L’immunothérapie a récemment révolutionné les options de traitement des carcinomes pulmonaires non à petites cellules (NSCLC) avancés; en particulier avec l’utilisation de nouveaux médicaments ciblant les points de contrôle immunologique (ICI). Ceux-ci permettent aux cellules du système immunitaire de reconnaître plus efficacement les cellules cancéreuses afin de mieux les éliminer. Cependant, seulement 20 à 30% des patients bénéficieront de ce type de traitement : il est donc crucial de pouvoir bien identifier les patients susceptibles de répondre à ces traitements coûteux. Ce projet vise à développer un outil clinique en mettant à profit l’intelligence artificielle (IA) afin d’élaborer un modèle intégrant les données cliniques, radiologiques et moléculaires d’un patient afin de déterminer son potentiel de réponse au traitement par les ICIs. Dans un premier temps nous proposons de définir le profil des patients d’une cohorte ayant reçu un ICI suivant un diagnostic de NSCLC avancé. Les caractéristiques radiologiques et du microenvironnement immunitaire tumoral ainsi que son profil moléculaire seront analysés en utilisant l’intelligence artificielle afin de générer un algorithme permettant de prédire quels patients bénéficieront du traitement. Cet algorithme sera développé à partir de données pouvant être générées dans un milieu clinique, afin de faciliter l’implantation éventuelle dans un laboratoire de diagnostic moléculaire. Ce projet permettra dans un contexte de médecine de précision, non seulement d’assurer une prise en charge plus efficace des patients, mais également d’optimiser les coûts reliés à ces soins en ciblant plus précisément ceux d’entre eux pouvant bénéficier des traitements par les ICIs. Afin d’atteindre notre objectif, nous proposons un projet collaboratif impliquant des experts en oncologie, en radiologie, en pathologie, en immunologie et en gestion de données de trois centres hospitaliers universitaires du Québec ainsi qu’une compagnie québécoise, chef de file internationale en intelligence artificielle dans le domaine de l’oncologie.