Une équipe du Centre de recherche du CHUM (CRCHUM) et de Polytechnique Montréal combine l’imagerie par microspectroscopie Raman à des techniques d’apprentissage machine pour mieux détecter des formes agressives du cancer de la prostate. Résultat? Leur diagnostic est précis dans près de 9 cas sur 10.

Cette année, 4200 Canadiens mourront d’un cancer de la prostate, troisième cause de décès par cancer au pays. Dans 20 % de ces cas, une variante agressive, le carcinome intracanalaire de la prostate, sera décelée. Pourtant, à l’hôpital, les pathologistes ne disposent pas encore de biomarqueurs pour l’identifier avec précision. Ils se fient à une observation visuelle des tissus prélevés.

Pourrait-on améliorer l’identification des patients à risque et le diagnostic des formes les plus agressives de ce cancer?

Oui, affirment la Dre Dominique Trudel et Frédéric Leblond, chercheurs au CRCHUM, ainsi que la chercheuse postdoctorale Andrée-Anne Grosset, dans une récente étude publiée dans PLoS Medicine. Selon eux, c’est même essentiel, car ce type de carcinome est fréquemment associé à une récidive du cancer de la prostate et à des métastases.

Mettre à nu les molécules

Pour cette étude, l’équipe scientifique a analysé des échantillons de tissus de 483 patients atteints du cancer de la prostate et provenant du CHUM, du Centre hospitalier universitaire de Québec et de l’University Health Network (Toronto, Ontario). Mais pas de n’importe quelle manière.

Dans un premier temps, ils ont déterminé la signature moléculaire propre à chaque échantillon grâce à l’imagerie par microspectroscopie Raman, une technique que maîtrise Frédéric Leblond, professeur au Département de génie physique de Polytechnique Montréal.

En bref, cette technique fait appel à des rayons lumineux pour faire vibrer les molécules d’un échantillon et recueillir des informations sur les liaisons chimiques qui le composent.

La Dre Dominique Trudel, pathologiste au CHUM, Andrée-Anne Grosset et M. Leblond ont alors utilisé la collection de spectres Raman du CHUM pour entraîner des algorithmes à reconnaître et classifier automatiquement les signatures spécifiques de tissus sains, du carcinome intracanalaire de la prostate et d’autres formes du cancer de la prostate.

Un outil d’avenir

Basés sur l’apprentissage machine, ces modèles prédictifs ont ensuite été testés sur les données des deux autres centres hospitaliers. Avec des résultats pour le moins prometteurs : ils détectent correctement la présence ou l’absence de carcinome intracanalaire de la prostate dans près de 9 cas sur 10.

Autre avantage : cette nouvelle technique est plus rapide et moins chère que celles utilisées en laboratoire actuellement.

Avant une implantation en milieu hospitalier, il reste encore du chemin à faire afin de valider entre autres ces premiers résultats à plus large échelle et raffiner les modèles.

Mais, le couplage de l’imagerie par microspectroscopie Raman et de l’apprentissage machine pourrait être voué à un avenir radieux. Suffisamment pour améliorer la précision des diagnostics et éviter des traitements inutiles à des hommes atteints de cancer de la prostate pratiquement inoffensif.

Plus d’informations

• Des échantillons de tissus de 483 patients ont été analysés. En voici la répartition : CHUM (272 patients ; âge médian = 62 ans), Centre hospitalier universitaire de Québec (135 patients, âge médian = 62 ans) et University Health Network (76 patients ; âge médian = 61 ans);
• Ces travaux de recherche ont été financés par le CRCHUM, IVADO, l’Institut TransMedTech, Mitacs, l’Institut du cancer de Montréal, Prostate Cancer Canada, le Fonds de Recherche du Québec — Santé, le Fonds d’excellence en recherche Apogée Canada, l’Ontario Institute for Cancer Research, le National Cancer Institute (National Health Institutes) et le Conseil de recherches en sciences naturelles et en génie du Canada.