Découvrez comment le machine learning et les lymphocytes infiltrant les tumeurs peuvent révolutionner le traitement du cancer du poumon non à petites cellules, en améliorant la survie et en prédisant les réponses aux inhibiteurs de points de contrôle immunitaires.
Une étude récente publiée dans JAMA Oncology révèle que les niveaux de lymphocytes infiltrant les tumeurs (TIL), déterminés grâce à l'apprentissage automatique sur des images histologiques standard, sont associés à la réponse des patients aux inhibiteurs des points de contrôle immunitaires pour le traitement du cancer du poumon non à petites cellules (NSCLC). Cette méthode innovante utilise le machine learning pour compter les cellules tumorales, stromales et TIL dans les images de tumeurs de NSCLC teintées à l'hématéine-éosine.
L'étude multicentrique a porté sur 685 patients ayant reçu un traitement par inhibiteurs des points de contrôle immunitaires entre février 2014 et septembre 2021. Les résultats ont montré que des niveaux élevés de TIL (≥ 250 cellules/mm2) étaient associés à une amélioration significative de la survie sans progression (HR = 0,71, P = 0,006) et de la survie globale (HR = 0,74, P = 0,03). De plus, l'analyse de la réponse objective a révélé que la combinaison de PD-L1 élevé et de TMB élevé (AUC = 0,70) avait la plus grande précision pour différencier les patients répondeurs des non-répondeurs.
Les chercheurs concluent que les niveaux de TIL sont robustement et indépendamment associés à la réponse au traitement par inhibiteurs des points de contrôle immunitaires. L'évaluation des TIL des patients est relativement facile à intégrer dans le flux de travail des laboratoires de pathologie à un coût supplémentaire minimal, et pourrait améliorer la précision de la thérapie. Cette découverte ouvre la voie à une nouvelle ère de traitements personnalisés où la technologie quantique et l'intelligence artificielle joueront un rôle crucial dans la compréhension et la lutte contre le cancer.
