De toutes les formes de cancer de la peau, le mélanome est le plus mortel. Bien que l’immunothérapie puisse être employée dans la lutte contre le mélanome, aucun test clinique efficace ne permet de déterminer a priori si un patient tirera avantage de ce traitement stimulant son système immunitaire.

John Stagg, chercheur au Centre de recherche du CHUM, Ian Watson du Centre de recherche sur le cancer Goodman et Hamed Najafabadi du Centre de Génome de McGill entendent bien changer la donne à coup d’algorithmes prédictifs.

Convaincus de la portée de leur projet de recherche, Génome Québec, Oncopole et IVADO leur ont octroyé une subvention de 300 000 $ sur 2 ans dans le cadre du concours Données omiques contre le cancer.

Le projet du trio de chercheurs : développer des algorithmes pour prédire la réponse à l’immunothérapie dans le cas du mélanome métastatique.

Aujourd’hui, les cliniciens peuvent séquencer le génome de leurs patients atteints de cancer pour déterminer les meilleures options thérapeutiques. Pourtant, ces informations génomiques sont rarement utilisées pour orienter les patients vers une immunothérapie.

Pourquoi? Tout simplement parce que les scientifiques ne savent pas encore quelles séquences d’ADN exploiter pour prédire la réponse à ce type de traitement.

Pour pallier cela, John Stagg et ses collègues s’appuieront sur une branche de l’intelligence artificielle, connue sous le nom de transfer learning, pour tenter de prédire la signature génique caractéristique d’une bonne réponse à l’immunothérapie.

Dans un premier temps, les algorithmes développés par l’équipe seront entrainés sur des données publiques issues de The Cancer Genome Atlas Program avant d’être testés sur une cohorte de 300 patients montréalais atteints de mélanome métastatique.

Si le succès de cette approche se confirme dans les prochaines années, il sera vraisemblablement possible de la transposer à d’autres cancers traitables par immunothérapie, notamment le cancer du poumon.

> Communiqué officiel du 5 novembre