Un nouvel outil de prédiction du cancer de la prostate a une précision inégalée

Les outils actuels utilisés pour prédire la progression du cancer de la prostate sont généralement de nature subjective, conduisant à des interprétations différentes parmi les cliniciens

Une équipe de chercheurs de l'école de médecine Icahn du mont Sinaï et de l'école de médecine Keck de l'université de Californie du Sud (USC) a développé un nouveau cadre d'apprentissage automatique qui fait la distinction entre le cancer de la prostate à faible et à haut risque avec plus de précision que jamais auparavant. Le cadre, décrit dans un article de Scientific Reports publié aujourd'hui, est destiné à aider les médecins - en particulier, radiologues--identifier plus précisément les options de traitement pour les patients atteints de cancer de la prostate, réduire le risque d'intervention clinique inutile.

Le cancer de la prostate est l'une des principales causes de décès par cancer chez les hommes américains, juste derrière le cancer du poumon. Alors que les récents progrès de la recherche sur le cancer de la prostate ont sauvé de nombreuses vies, les outils de prédiction objectifs ont, jusqu'à maintenant, restait un besoin non satisfait.

Présentement, les méthodes standard utilisées pour évaluer le risque de cancer de la prostate sont l'imagerie par résonance magnétique multiparamétrique (IRMmp), qui détecte les lésions de la prostate, et le système de rapports et de données sur l'imagerie de la prostate, version 2 (PI-RADS v2), un système de notation en cinq points qui classe les lésions trouvées sur l'IRMmp. Ensemble, ces outils sont destinés à prédire de manière fiable la probabilité d'un cancer de la prostate cliniquement significatif. Cependant, Le score PI-RADS v2 est subjectif et ne fait pas clairement la distinction entre les niveaux de cancer intermédiaires et malins (scores 3, 4, et 5), conduisant souvent à des interprétations différentes parmi les cliniciens.

La combinaison de l'apprentissage automatique et de la radiomique - une branche de la médecine qui utilise des algorithmes pour extraire de grandes quantités de caractéristiques quantitatives à partir d'images médicales - a été proposée comme approche pour remédier à cet inconvénient. Cependant, d'autres études n'ont testé qu'un nombre limité de méthodes d'apprentissage automatique pour remédier à cette limitation. En revanche, les chercheurs du mont Sinaï et de l'USC ont développé un cadre prédictif qui évalue rigoureusement et systématiquement bon nombre de ces méthodes pour identifier la plus performante. Le cadre exploite également des ensembles de données de formation et de validation plus importants que les études précédentes. Par conséquent, les chercheurs ont pu classer le cancer de la prostate des patients avec une sensibilité élevée et une valeur prédictive encore plus élevée.

"En combinant rigoureusement et systématiquement le machine learning avec la radiomic, notre objectif est de fournir aux radiologues et au personnel clinique un outil de prédiction solide qui peut éventuellement se traduire par des soins aux patients plus efficaces et personnalisés, " dit Gaurav Pandey, Doctorat, Professeur adjoint de génétique et de sciences génomiques à la faculté de médecine Icahn du mont Sinaï et auteur principal correspondant de la publication aux côtés de l'auteur co-correspondant Bino Varghese, Doctorat, Professeur adjoint de recherche en radiologie à la Keck School of Medicine de l'USC. « La voie permettant de prédire la progression du cancer de la prostate avec une grande précision ne cesse de s'améliorer, et nous pensons que notre cadre objectif est une avancée indispensable."

• Des experts explorent l'implication de l'intestin dans la maladie de Parkinson
• Le poisson zèbre offre un indice pour soulager la détresse gastro-intestinale liée à l'autisme