Un modèle innovant prédit l’efficacité de l’immunothérapie dans le cancer du poumon

Le cancer du poumon reste la première cause de décès liés au cancer dans le monde. Parmi les traitements disponibles, l’immunothérapie a montré des bénéfices significatifs pour les patients atteints de cancer du poumon non à petites cellules, une forme courante et agressive de la maladie. Cependant, tous les patients ne répondent pas de la même manière à ce type de traitement, et identifier ceux qui en tireront le meilleur parti est un enjeu majeur.

Une avancée récente combine l’analyse d’images médicales et l’étude des tissus tumoraux pour prédire avec précision l’expression d’une protéine clé, la PD-L1, qui joue un rôle central dans la réponse à l’immunothérapie. Cette protéine, présente à la surface des cellules cancéreuses, permet au système immunitaire de reconnaître et d’attaquer la tumeur. Son niveau d’expression est souvent utilisé pour déterminer si un patient est éligible à une immunothérapie.

Jusqu’à présent, la détection de la PD-L1 reposait principalement sur des tests en laboratoire nécessitant des prélèvements de tissus, une méthode parfois limitée par la variabilité des résultats et la disponibilité des échantillons. Pour surmonter ces obstacles, une équipe de chercheurs a développé un modèle innovant qui fusionne des données issues de scanners et d’analyses microscopiques de tissus colorés. Ce modèle utilise des techniques avancées pour extraire des informations à la fois macroscopiques, comme la forme et la texture de la tumeur visible sur les images, et microscopiques, comme les caractéristiques cellulaires observées sous le microscope.

L’étude a porté sur 328 patients atteints de cancer du poumon non à petites cellules. Les chercheurs ont divisé ces patients en trois groupes pour entraîner, valider et tester le modèle. Les résultats ont montré que cette approche combinée était plus performante que les modèles basés uniquement sur l’imagerie ou l’analyse des tissus. Elle a permis de prédire avec une grande précision si une tumeur exprimait ou non la protéine PD-L1, avec des taux de réussite dépassant 90 % dans certains cas.

Pour aller plus loin, le modèle a également été testé sur un groupe de 47 patients sous immunothérapie. Les résultats ont révélé que les patients pour lesquels le modèle prédisait une forte expression de PD-L1 avaient une survie sans progression de la maladie et une survie globale significativement meilleures. Cela suggère que ce modèle pourrait non seulement aider à identifier les patients éligibles à l’immunothérapie, mais aussi prédire leur réponse au traitement.

L’un des avantages majeurs de cette méthode est qu’elle utilise des données déjà disponibles dans le cadre du diagnostic standard, comme les scanners et les lames histologiques. Elle ne nécessite donc pas de prélèvements supplémentaires, ce qui réduit les coûts et le fardeau pour les patients. De plus, elle pourrait s’avérer utile dans les situations où les échantillons de tissus sont insuffisants ou lorsque les résultats des tests traditionnels sont incertains.

Ce modèle ouvre ainsi la voie à une médecine plus précise, où les décisions de traitement pourraient être adaptées en fonction des caractéristiques spécifiques de chaque tumeur. Il représente une étape importante vers une prise en charge personnalisée du cancer du poumon, offrant aux médecins un outil supplémentaire pour optimiser les stratégies thérapeutiques et améliorer les pronostics des patients.

Sources et crédits

Étude source

DOI : https://doi.org/10.1186/s13244-026-02322-4

Titre : A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer

Revue : Insights into Imaging

Éditeur : Springer Science and Business Media LLC

Auteurs : Dingpin Huang; Fangyi Xu; Yi Gan; Liya Ding; Kaihua Lou; Yongcen Li; Dong Xie; Haiping Zhang; Lei Shi; Rui Xu; Hongjie Hu