Le traitement des sarcomes avancés s’améliore grâce à l’intelligence artificielle
Les sarcomes des tissus mous avancés représentent un défi majeur en oncologie en raison de leur rareté et de leur diversité. Une récente analyse a révélé des éléments clés pour optimiser les traitements au-delà de la deuxième ligne thérapeutique, une phase où les options deviennent limitées et les décisions complexes.
L’étude a porté sur 90 patients atteints de sarcomes avancés ayant reçu une troisième ligne de traitement ou plus. Les chercheurs ont utilisé des outils d’intelligence artificielle pour identifier les facteurs influençant la survie globale. Il est apparu que la progression de la maladie sous la deuxième ligne de traitement réduisait significativement les chances de survie. À l’inverse, les patients atteints de liposarcomes ou de léiomyosarcomes présentaient une survie prolongée. De même, une période sans progression de plus d’un an après la première ligne de traitement était associée à un meilleur pronostic.
Les résultats ont aussi montré que le moment où certains médicaments étaient administrés avait un impact variable. Le trabectédine, par exemple, conservait son efficacité même en quatrième ligne, suggérant qu’il pourrait être utilisé plus tard dans le parcours thérapeutique. En revanche, le pazopanib semblait plus efficace lorsqu’il était introduit plus tôt, dès la deuxième ligne. Enfin, la combinaison gemcitabine et docétaxel montrait une efficacité stable, peu importait la ligne de traitement.
Ces observations soulignent l’importance de la réponse aux traitements précédents et du type de tumeur dans la prise de décision. Elles ouvrent également des pistes pour affiner l’ordre d’administration des thérapies, en fonction de leur mécanisme d’action et de leur tolérance. Les sarcomes des tissus mous, bien que rares, pourraient ainsi bénéficier de stratégies plus personnalisées, adaptées à chaque patient et à chaque stade de la maladie.
Sources et crédits
Étude source
DOI : https://doi.org/10.1007/s40487-026-00446-7
Titre : Machine Learning-Guided Survival Prediction and Treatment Sequencing in Advanced Soft Tissue Sarcoma Beyond Second-Line Therapy: A Retrospective Cohort Study
Revue : Oncology and Therapy
Éditeur : Springer Science and Business Media LLC
Auteurs : Michael Hoberger; Dorit Di Gioia; Romy L. Zuber; Michael Völkl; Sinan E. Güler; Vindi Jurinovic; Markus Albertsmeier; Alexander Klein; Hans Roland Dürr; Nina-Sophie Schmidt–Hegemann; Thomas Knösel; Wolfgang G. Kunz; Michael von Bergwelt–Baildon; Lars H. Lindner; Anton Burkhard–Meier; Luc M. Berclaz