Mark Sorin
Étudiant au doctorat en génétique humaine
Université McGill, Institut du cancer Rosalind et Morris Goodman
Publication primée : Single-cell spatial landscapes of the lung tumour immune microenvironment
Publiée dans : Nature
Résumé
Le cancer du poumon cause plus de décès que les cancers du sein, du côlon et de la prostate réunis. Toutefois, grâce aux progrès réalisés dans le dépistage du cancer du poumon, davantage de patients vont être diagnostiqués à un stade plus précoce, ce qui leur permettra de subir une intervention chirurgicale. Malheureusement, une proportion significative de patients connaîtra une récidive de leur cancer après la résection, et nous ne sommes présentement pas en mesure de prédire quels patients sont à risque. Ce dilemme clinique a des implications importantes sur le choix du traitement systémique, tel que la chimiothérapie après l’intervention chirurgicale. Pour relever ce défi clinique, nous avons utilisé la cytométrie de masse par imagerie (CMI), une nouvelle technologie qui permet une caractérisation complète du microenvironnement tumoral. Le microenvironnement tumoral est un écosystème complexe d’interactions entre les cellules tumorales, les cellules immunitaires et diverses cellules structurelles. La CMI permet de visualiser ce microenvironnement avec jusqu’à 50 marqueurs et produit des images qui peuvent être analysées pour déterminer la fréquence des principales populations cellulaires, leurs états d’activation, les autres types de cellules avec lesquelles elles interagissent et leurs localisations. Par conséquent, Mark Sorin et ses collaborateurs ont émis l’hypothèse que des caractéristiques spatiales, intégrées dans les images CMI pourraient être importantes pour prédire des résultats cliniques. L’un des défis est que la CMI n’est pas disponible dans les hôpitaux. Les services de pathologie clinique utilisent généralement des technologies moins complexes telles que l’immunofluorescence et l’immunohistochimie, qui sont souvent limitées à trois marqueurs ou moins. Pour relever ce défi, l’équipe de chercheurs a tenté d’identifier le nombre minimum de marqueurs nécessaires pour faire des prédictions significatives sur l’évolution des patients atteints d’un cancer du poumon après une intervention chirurgicale. En utilisant six marqueurs, ils ont obtenu une précision de 93 % pour la prédiction de la progression, un résultat qui se rapproche de la précision de 95 % obtenue avec 35 marqueurs. Ces résultats prometteurs suggèrent qu’en exploitant la puissance de l’intelligence artificielle en conjonction avec les technologies disponibles dans les hôpitaux, nous pourrions être en mesure d’améliorer la gestion clinique post-chirurgicale des patients atteints d’un cancer du poumon.