Un nouveau modèle d’apprentissage automatique améliore la prédiction de la récidive du cancer de la prostate

Il est difficile de prédire l’évolution du cancer de la prostate, car seule une fraction des patients atteints d’un cancer de la prostate connaît une récidive après une prostatectomie radicale ou une radiothérapie. Pourtant, le cancer de la prostate reste l’une des tumeurs malignes les plus mortelles chez les hommes aux États-Unis.

Maintenant, les chercheurs ont développé un modèle d’apprentissage automatique qui combine des profils de gènes de fusion connus pour être répandus dans le cancer de la prostate avec le score de Gleason couramment utilisé et le niveau d’antigène spécifique de la prostate (PSA). Le modèle d’apprentissage automatique a systématiquement amélioré la prédiction de la récidive du cancer de la prostate par les tests cliniques seuls ou en combinaison. Les résultats sont rapportés dans Le Journal américain de pathologie.

“Le score de Gleason et le niveau de PSA ont été utilisés avec un succès variable pour prédire les résultats cliniques chez les patients atteints d’un cancer de la prostate”, a expliqué le chercheur principal Jian-Hua Luo, MD, Ph.D., Département de pathologie, École de médecine de l’Université de Pittsburgh, Pittsburgh , Pennsylvanie, États-Unis. “Cependant, ils fournissent un aperçu limité du mécanisme de la maladie. Les événements de fusion de gènes sont connus pour être répandus dans le cancer de la prostate, mais leur potentiel pour prédire l’évolution de la maladie était inconnu.”

Les données d’une cohorte multi-institutionnelle comprenant 271 échantillons de prostatectomie radicale du centre médical de l’Université de Pennsylvanie (UPMC), 191 de l’Université du Wisconsin-Madison et 112 du centre médical de Stanford ont été analysées. Les 14 gènes de fusion connus pour être présents dans le cancer de la prostate ont été détectés dans les échantillons de la cohorte combinée. Les scores de Gleason et PSA sérique étaient également disponibles.

Les enquêteurs ont d’abord développé un modèle d’entraînement à partir des données de l’UPMC. Plusieurs algorithmes d’apprentissage automatique ont été appliqués aux données de profilage des gènes de fusion afin de déterminer les meilleurs paramètres de 14 combinaisons de gènes de fusion pour prédire la récidive du cancer de la prostate. Les meilleurs algorithmes ont ensuite été appliqués à l’ensemble de la cohorte de formation pour construire un modèle.

La prédiction de la récidive du cancer basée sur le score de Gleason seul avait une précision de 77,9 %, et le PSA seul prédisait correctement 73,5 % de la récurrence du cancer de la prostate. Lorsque les données du score de Gleason ont été incorporées dans l’analyse d’apprentissage automatique avec les données de fusion, un total de 442 modèles de différentes combinaisons ont montré une précision supérieure à 80 % pour les modèles combinés.

Lorsque PSA seul a été combiné avec des données de fusion, 265 modèles de différentes combinaisons ont montré des taux de prédiction supérieurs à 75 %. La combinaison des données de fusion, du score de Gleason et du PSA a amélioré la prédiction du cancer de la prostate ; 317 modèles ont donné des taux de prédiction de 80 % ou plus.

Ensuite, 764 modèles d’apprentissage automatique entraînés à partir des données de la cohorte UPMC ont été appliqués à la cohorte Stanford/Wisconsin, puis à la cohorte UPMC/Stanford/Wisconsin. Encore une fois, la combinaison des données de fusion, du score de Gleason et du PSA a surpassé la prédiction de la récidive du cancer par le PSA ou le score de Gleason seuls ou combinés.

Le cancer n’a pas récidivé pendant cinq ans après la chirurgie chez 81,9 % des patients si le cancer était prédit comme non récurrent, tandis que seulement 17,2 % des patients étaient exempts de récidive si leur cancer était prédit comme récurrent par le même modèle. Avec le modèle Gleason plus PSA, 78,3 % des patients n’avaient pas de récidive du cancer si le cancer était prédit comme non récurrent par le modèle, et 26,2 % des patients n’avaient pas de récidive du cancer pendant cinq ans si le cancer était prédit comme récurrent.

Le Dr Luo note que les profils de gènes de fusion ont une valeur ajoutée pour la gestion clinique des patients, car certaines fusions de gènes sont des processus moléculaires importants dans la génération du cancer de la prostate, tandis que d’autres sont connues pour rendre le cancer sensible à certains médicaments. “L’une des grandes surprises de l’analyse est que les gènes de fusion appelés CCNH-C5orf30 se sont avérés être un indicateur de résultats cliniques favorables. Il est inhabituel qu’une anomalie génomique créée par des cellules cancéreuses limite l’agressivité du cancer”, a-t-il déclaré.

“La détection de gènes de fusion fournit de nouvelles informations mécanistes sur la progression du cancer de la prostate permettant de prendre des mesures proactives”, a observé le Dr Luo. “L’incorporation de la détection des gènes de fusion dans le schéma de diagnostic du cancer de la prostate profite aux patients en ce qui concerne le diagnostic, le pronostic, la surveillance de la progression du cancer et le traitement. De plus, si ces modèles d’apprentissage automatique sont appliqués à la pratique clinique à l’avenir, davantage de vies pourraient être sauvées .”