Un chercheur de l’Université McGill dirige la mise au point du premier modèle multimodal d’apprentissage profond, dans le but d’optimiser les soins personnalisés destinés à des patientes et à des patients atteints de cancer  

Les sarcomes sont des formes rares de cancer qui se développent dans les os et dans les tissus mous, comme le tissu adipeux (la graisse), les muscles et les tissus conjonctifs. Comme il existe plus de 70 types de sarcomes des tissus mous (STM) différents, chaque sarcome a ses caractéristiques uniques et ses taux de survie propres; il est donc difficile de trouver des traitements universellement efficaces. 

Une équipe de chercheuses et de chercheurs dirigée par un scientifique de l’Institut de recherche du Centre universitaire de santé McGill (IR-CUSM) a réalisé une percée importante en tirant parti de l’intelligence artificielle (IA) et de l’apprentissage profond. Ces scientifiques ont mis au point un modèle capable de prédire, et ce, mieux que ne le faisait tout modèle antérieur, le taux de survie général et le risque de métastases — la propagation du cancer à d’autres parties du corps — chez les patientes et les patients ayant un STM. Le nouveau modèle, qui a récemment fait l’objet d’une publication dans la revue NPJ Precision Oncology, peut potentiellement se traduire par des plans de traitement plus personnalisés et par de meilleurs résultats pour les patientes et les patients. 

Anthony Bozzo, M.D., M. Sc., FRCSC, scientifique junior au sein du Programme de recherche sur le cancer de l’IR-CUSM et orthopédiste oncologue à l’Hôpital général de Montréal du CUSM, a dirigé le développement du nouveau modèle multimodal de réseau neuronal (MMRN). En collaboration avec des collègues du Memorial Sloan Kettering Cancer Center, il a créé le modèle novateur qui combine les données cliniques d’une patiente ou d’un patient —comme l’âge, la taille de la tumeur, le stade de la tumeur et le sous-type de tumeur — avec les données provenant de l’imagerie 3D obtenue par résonance magnétique (IRM) pour prédire le taux de survie général et le risque de propagation du cancer à d’autres parties du corps. 

Le Dr Anthony Bozzo et son équipe ont utilisé les cartes de densité dans les travaux qu’ils ont réalisés, en ayant recours à un modèle multimodal de réseau neuronal (MMRN) pour prédire le taux de survie général et le risque de métastases chez les patientes et les patients ayant un sarcome des tissus mous.

Les modèles de prévision traditionnels ne se fondaient que sur quelques variables cliniques, ce qui les rendait trop simplistes pour fournir une orientation significative pour un traitement personnalisé. À l’inverse, le nouveau MMRN comprend les résultats des examens IRM; il fournit ainsi des données personnalisées solides sur la tumeur de chaque patiente ou patient. En incluant des données provenant de ces images, les chercheuses et les chercheurs ont réalisé des progrès en ayant recours à des données provenant d’une source unique (modèle unimodal) pour combiner plusieurs types de données (modèle multimodal), faisant ainsi avancer de manière importante l’exactitude du modèle. 

Les résultats de la recherche effectuée par l’équipe de l’IR-CUSM ont démontré que sa nouvelle approche est beaucoup plus précise que celle de tous les modèles existants. Ces travaux pourraient ouvrir la voie à des soins plus personnalisés, permettant ainsi aux médecins de personnaliser les traitements, en tenant compte du profil unique de la maladie de chaque patiente ou patient. 

« Les travaux de recherche dont il est question ici ont commencé alors que j’étais boursier au centre du cancer Sloan Kettering, explique le Dr Bozzo. Je suis enthousiaste à l’idée de poursuivre mes travaux ici, au Centre universitaire de santé McGill, où le Dr Robert Turcotte a créé une unité des sarcomes; cette unité est un chef de file dans le domaine. En collaboration avec mes collègues du CUSM, c’est-à-dire les Drs Ahmed Aoude, James Tsui et Natalia Gorelik, nous suscitons l’avancement de l’utilisation de l’IA afin d’offrir un meilleur soutien à nos patientes et à nos patients ayant un sarcome. » 

La prochaine étape pour les chercheuses et les chercheurs consiste à valider à l’externe le modèle MMRN en utilisant de plus grands ensembles de données. Les scientifiques prévoient utiliser un processus d’apprentissage fédéré, auquel collaborent plusieurs institutions, dans le but de former le modèle tout en décentralisant leurs données, afin de protéger les renseignements personnels des patientes et des patients. L’équipe commencera par faire prendre de l’expansion au modèle, en utilisant des données provenant du CUSM; elle va ensuite recruter activement d’autres centres hospitaliers à l’international afin qu’ils participent eux aussi aux travaux. 

« En augmentant la précision des prédictions, le nouveau modèle que nous avons mis au point peut aider les professionnelles et les professionnels de la santé à mieux gérer les sarcomes, ce qui se traduira par une amélioration des résultats pour les patientes et les patients, ajoute
le Dr Bozzo. Nos travaux constituent une étape prometteuse pour ce qui est du développement de traitements plus individualisés et plus efficaces pour les patientes et les patients ayant un sarcome; ils démontrent aussi tout le potentiel de l’intelligence artificielle quant à la transformation des soins de cancer. » 

Les chercheuses et les chercheurs tiennent à exprimer leur reconnaissance à la Fondation de l’Hôpital général de Montréal et à la Fondation du cancer des Cèdres, qui leur ont octroyé du financement. Le Dr Bozzo remercie aussi ses mentors, la Dre Michelle Ghert et le Dr John Healey, des judicieux conseils qu’ils lui ont prodigués.  

À propos de la publication

Bozzo, A., Hollingsworth, A., Chatterjee, S. et collaborateurs, A multimodal neural network with gradient blending improves predictions of survival and metastasis in sarcoma. npj Precis. Onc.8, 188 (2024). https://doi.org/10.1038/s41698-024-00695-7