Un outil d’IA prédit des complications de greffe potentiellement mortelles des mois avant l’apparition des symptômes
Des chercheurs ont développé BIOPREVENT, un outil fondé sur l’IA qui prédit la maladie du greffon contre l’hôte (GVHD) chronique et la mortalité liée à la greffe chez des patients ayant reçu une greffe de cellules souches ou de moelle osseuse, à partir de biomarqueurs sanguins et de données cliniques recueillis 90 à 100 jours après la greffe. L’outil, disponible en application web gratuite, fournit des estimations personnalisées du risque afin d’aider à un suivi plus précoce.
Un puissant outil d’intelligence artificielle (IA) pourrait permettre aux cliniciens d’identifier plus tôt des complications potentiellement mortelles après des greffes de cellules souches et de moelle osseuse, selon une nouvelle étude du MUSC Hollings Cancer Center. Publiée dans le Journal of Clinical Investigation, cette étude associe des biomarqueurs immunitaires, des données cliniques et l’apprentissage automatique afin de créer un outil de prédiction du risque en conditions réelles.
Pour de nombreux patients, une greffe de cellules souches ou de moelle osseuse est salvatrice. Mais la convalescence ne s’arrête pas lorsque les patients quittent l’hôpital. Chez certains, des complications graves peuvent survenir des mois plus tard, souvent sans signe avant-coureur.
L’une des plus difficiles à gérer est la maladie du greffon contre l’hôte (GVHD) chronique, une affection dans laquelle des cellules immunitaires issues du greffon attaquent les tissus sains du patient. La maladie peut toucher plusieurs organes, notamment la peau, les yeux, la bouche, les articulations et les poumons, entraînant un handicap durable, voire le décès.
Des chercheurs, dirigés par Sophie Paczesny, M.D., Ph.D., co-responsable du programme de recherche en biologie du cancer et immunologie à Hollings, ainsi que Michael Martens, Ph.D., et Brent Logan, Ph.D., du Center for International Blood and Marrow Transplant Research au Medical College of Wisconsin, ont mis au point un outil fondé sur l’IA qui pourrait aider les cliniciens à repérer les patients présentant un risque plus élevé de GVHD chronique avant l’apparition des symptômes, ouvrant la voie à une surveillance plus précoce.
En appliquant des méthodes d’apprentissage automatique à des protéines liées à l’immunité et à des informations cliniques validées, l’équipe a développé un outil appelé BIOPREVENT qui estime le risque futur, pour un patient, de développer une GVHD chronique et de décéder de causes liées à la greffe.
Malgré des avancées majeures dans la prise en charge des greffes, la GVHD chronique demeure l’une des principales causes de morbidité et de mortalité après une greffe. Or, la maladie ne commence pas lorsque les symptômes apparaissent ; les changements biologiques qui la sous-tendent débutent bien plus tôt.
Les premiers mois suivant une greffe sont particulièrement critiques. Les patients peuvent se sentir bien, mais l’activité immunitaire sous-jacente peut déjà préparer le terrain aux complications. Au moment où la GVHD chronique est diagnostiquée, le processus pathologique évolue souvent depuis des mois, en endommageant silencieusement l’organisme.
Les chercheurs ont analysé les données de 1,310 receveurs de greffes de cellules souches et de moelle osseuse provenant de quatre grandes études multicentriques. Des échantillons sanguins prélevés 90 à 100 jours après la greffe ont été analysés pour mesurer sept protéines immunitaires associées à l’inflammation, à l’activation et à la régulation immunitaires, ainsi qu’à la lésion tissulaire et au remodelage. Les biomarqueurs immunitaires utilisés dans BIOPREVENT ont été identifiés et validés dans une étude antérieure dirigée par Paczesny.
Ces biomarqueurs ont été combinés à neuf facteurs cliniques, dont l’âge du patient, le type de greffe, la maladie principale et des complications antérieures, issus de registres de greffe. Aux États-Unis, les centres de greffe sont tenus de transmettre au Center for International Blood and Marrow Transplant Research des données détaillées et spécifiques aux greffes, avec une revue supplémentaire pour les patients inclus dans des essais cliniques (clinical trials). Selon Paczesny, ces informations standardisées ont contribué à garantir que le modèle reposait sur des données cliniques cohérentes et de haute qualité.
L’équipe a évalué plusieurs approches d’apprentissage automatique afin de déterminer si elles pouvaient prédire l’évolution des patients plus précisément que les méthodes statistiques traditionnelles. Le modèle le plus performant, fondé sur une technique statistique appelée Bayesian additive regression trees, est devenu le socle de BIOPREVENT.
Les résultats ont montré que les modèles combinant biomarqueurs sanguins et données cliniques surpassaient de façon constante ceux reposant uniquement sur les données cliniques, en particulier pour prédire la mortalité liée à la greffe. L’équipe a ensuite validé l’outil dans un groupe indépendant de receveurs de greffe, confirmant qu’il prédisait de manière fiable le risque au-delà des patients ayant servi à construire le modèle.
BIOPREVENT a également permis de répartir les patients en groupes à faible et à haut risque, avec des différences nettes de résultats jusqu’à 18 mois plus tard. Il est notable que des biomarqueurs différents prédisaient des issues différentes de la greffe, ce qui souligne que la GVHD chronique et le décès lié à la greffe sont, au moins en partie, déterminés par des facteurs biologiques distincts. Par exemple, un biomarqueur sanguin était étroitement associé au risque de décès après la greffe, tandis que d’autres étaient plus efficaces pour signaler les patients qui développeraient plus tard une GVHD chronique.
Afin de rendre ces travaux utilisables au-delà de l’étude, l’équipe a développé BIOPREVENT sous la forme d’une application web gratuite. Les cliniciens peuvent saisir les informations cliniques d’un patient et les valeurs de biomarqueurs, et obtenir des estimations personnalisées du risque au fil du temps.