Un modèle de fondation de l’EPFL cartographie les tissus de différents cancers
Des chercheurs de l'EPFL ont développé VirTues, un modèle d'IA capable d'analyser des tissus tumoraux provenant de différents cancers et études. À terme, l’objectif est de mieux prédire l’évolution de la maladie et la réponse aux traitements
Des chercheurs de l’EPFL ont développé Virtual Tissues (VirTues), un modèle d’intelligence artificielle consacré à l’analyse de tissus tumoraux. Mis au point par le groupe Intelligence artificielle en médecine moléculaire, dirigé par Charlotte Bunne, il s’appuie sur des données de protéomique spatiale, selon des travaux publiés dans Nature.
Cette approche permet d’étudier non seulement les cellules présentes dans une tumeur, mais aussi leur organisation et leurs interactions. Or les études de protéomique spatiale reposent souvent sur des panels de protéines différents, ce qui complique la comparaison de leurs résultats. VirTues vise à dépasser cette limite en rassemblant ces données dans une représentation commune, afin qu’un nouvel échantillon puisse être analysé dans le même cadre sans devoir développer un modèle distinct pour chaque étude.
VirTues reprend pour cela le principe des modèles de fondation utilisés dans le langage. Au lieu d’apprendre les relations entre les mots, il apprend celles qui existent entre les protéines, les cellules et leur contexte spatial. L’étude précise que son architecture associe notamment les représentations d’un modèle de langage de protéines à un Transformer, ce qui lui permet de traiter des combinaisons de marqueurs différentes et de généraliser à des cohortes et à certains marqueurs absents de son entraînement, sans réentraînement spécifique.
Dans le cadre de ces travaux, l’équipe a constitué ce qu’elle présente comme le plus grand ensemble ouvert de données de protéomique spatiale à ce jour. Selon l’EPFL, il rassemble plus de 12’000 images provenant de plus de 5’000 personnes réparties dans 31 cohortes cliniques. VirTues peut être utilisé à différentes échelles, de la cellule individuelle à la coupe tissulaire entière, notamment pour identifier des types cellulaires, comparer des groupes de patients et rechercher des biomarqueurs spatiaux.
Vers l’oncologie de précision
Les chercheurs ont notamment évalué VirTues sur des données de cancer du sein triple négatif. Les auteurs rapportent que des biomarqueurs identifiés à partir des représentations du modèle ont permis de prédire la réponse à une chimio-immunothérapie anti-PD-L1 et de stratifier la survie sans maladie dans une cohorte indépendante. Ils indiquent avoir obtenu de meilleurs résultats que les biomarqueurs et méthodes de stratification utilisés comme références sur ces mêmes données.
Ces résultats ouvrent la voie à une utilisation en oncologie de précision. Olivier Michielin, médecin-chef du service de l’oncologie de précision des Hôpitaux universitaires de Genève (HUG) et professeur à l’Université de Genève, estime que l’intégration de VirTues dans les comités tumoraux locaux et nationaux devrait constituer une prochaine étape.
L’utilisation de ces prédictions pour guider les décisions cliniques reste toutefois à valider. «Le plus difficile est de passer de la description d’un tissu à la prédiction de son évolution sous un traitement donné», souligne Charlotte Bunne. «Il faut désormais tester dans quels cas cela peut améliorer les décisions cliniques».
L’actualité IT en Suisse et à l’international, avec un focus sur la Suisse romande, directement dans votre boîte mail > Inscrivez-vous à la newsletter d’ICTjournal, envoyée du lundi au vendredi!
