Un outil d'IA améliore le diagnostic de la leucémie chez les enfants

Progrès significatifs dans la médecine personnalisée : les chercheurs combinent des données cliniques complètes dans une plateforme facile à utiliser.

30.07.2024

Les deux chercheurs du MHH, le professeur Dr Anke K. Bergmann et le Dr Željko Antić, évoquent la présentation des jeunes patients atteints de leucémie en sous-groupes dans clinALL.

Karin Kaiser/MHH

Les modifications génétiques sont à l'origine de nombreux types de cancer, dont la leucémie. Ils ont une forte influence sur le pronostic et le traitement. Un nouvel outil alimenté par l'IA, appelé clinALL, est désormais prêt à révolutionner la manière dont les médecins diagnostiquent et traitent la leucémie pédiatrique. Cet outil combine les données génétiques et cliniques dans une plateforme facile à utiliser. Le professeur Dr Anke K. Bergmann, consultant principal et directeur adjoint de l'Institut de génétique humaine de l'École de médecine de Hanovre (MHH), le Dr Michelle Tang et le Dr Željko Antić dirigent le projet. L'équipe du professeur Bergmann travaille en collaboration avec le laboratoire international Leibniz Future Laboratory for Artificial Intelligence (LeibnizAILab). Le Future Lab est financé par le ministère fédéral de l'éducation et de la recherche et coordonné par l'université Leibniz. Au sein du Future Lab, les chercheurs du sous-projet sur la leucémie lymphoblastique aiguë (LLA) s'efforcent de trouver des marqueurs diagnostiques et pronostiques supplémentaires pour la LLA chez l'enfant. Ils poursuivent une approche innovante avec clinALL.

Le défi : volume et complexité des données

L'étude a porté sur 1 365 patients atteints d'un cancer du sang, principalement une leucémie pédiatrique, qui ont fait l'objet d'un diagnostic génétique de routine à l'aide de divers tests standard. Le volume et la complexité croissants des données de séquençage, associés à d'autres données cliniques et diagnostiques, telles que la réponse aux médicaments ou la maladie résiduelle mesurable, constituent un défi pour l'efficacité de l'enregistrement et de l'interprétation des données cliniques. L'outil clinALL fournit un cadre alimenté par l'IA qui intègre les données génomiques et cliniques dans une interface conviviale. De cette manière, les diagnostics de routine sont facilités. En outre, il est possible d'obtenir des informations sur les maladies malignes du système sanguin et lymphatique. Les résultats de l'étude peuvent donc être utilisés directement dans les soins cliniques.

De nouvelles découvertes pour les soins aux patients

"Nous avons ainsi pu caractériser 78 % des patients qui n'avaient pu être identifiés à l'aide des méthodes conventionnelles. Ces patients sont marqués en gris sur la figure et classés dans les sous-groupes codés en couleur. Nous avons ainsi contribué à clarifier des cas particulièrement difficiles", déclare le professeur Bergmann. Le généticien humain et chef du projet "AI4ALL" au Leibniz Future Laboratory montre une illustration. D'autres modèles importants ont également été découverts grâce à clinALL. Par exemple, on a identifié certains groupes de patients chez lesquels la maladie est plus susceptible de réapparaître après le traitement. Les diagnostics et les thérapies deviennent de plus en plus précis. De nouveaux cas sont reconnus et de nouveaux sous-groupes peuvent être identifiés. Malgré le petit nombre de cas étudiés, l'outil fonctionne très bien et fournit des résultats importants qui ont une forte influence sur les soins aux patients. clinALL est déjà utilisé au MHH.

Une valeur ajoutée potentielle pour les pays en développement

"L'outil permet d'intégrer des données cliniques complètes à des tests génétiques ciblés et abordables. C'est pourquoi clinALL est également intéressant pour les petits laboratoires des pays en développement", souligne le Dr Michelle Tang. La stratification des risques et la prise de décision au niveau local s'en trouveraient améliorées et les résultats cliniquement pertinents seraient révélés en temps utile. Il s'agit d'une avancée significative dans le domaine de la médecine personnalisée pour les enfants atteints de leucémie.

Dans le cadre de l'étude, un séquençage ciblé de l'ARN des néoplasmes hématologiques a été réalisé, principalement dans la LAL pédiatrique, en coopération avec le groupe d'étude "AIEOP-BFM ALL" du centre médical universitaire de Schleswig-Holstein à Kiel, le groupe d'étude "ALLTogether" du centre médical universitaire de Hambourg-Eppendorf et le service d'hématologie et d'oncologie pédiatrique de l'hôpital de la ville de Hambourg. Les résultats ont été publiés dans la revue "eBioMedicine - THE LANCET Discovery Science".

Au Comprehensive Cancer Centre (CCC) du MHH, des scientifiques de renom issus de différentes disciplines travaillent main dans la main à la recherche sur le cancer, ses causes et, surtout, sur les nouvelles approches thérapeutiques. Le CCC peut s'appuyer sur de nombreuses années d'expertise internationale dans le domaine de la recherche fondamentale et de la recherche translationnelle, ce qui permet de transférer les résultats de la recherche fondamentale vers l'application clinique.

Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.

Publication originale

Ming Tang, Željko Antić, Pedram Fardzadeh, Stefan Pietzsch, Charlotte Schröder, Adrian Eberhardt, Alena van Bömmel, ... Agata Pastorczak, Gunnar Cario, Bernhard Y. Renard, Martin Stanulla, Anke Katharina Bergmann; "An artificial intelligence-assisted clinical framework to facilitate diagnostics and translational discovery in hematologic neoplasia"; eBioMedicine, Volume 104

https://www.bionity.com/fr/news/1184070/un-outil-d-ia-ameliore-le-diagnostic-de-la-leucemie-chez-les-enfants.html