On Mois mondial du cancer du poumon, Il est essentiel de souligner les avancées dans la lutte contre cette maladie mortelle.
Parmi tous les cancers, le cancer du poumon est l'un des types les plus répandus et les plus mortels La détection précoce reste une étape essentielle pour les patients souffrant de la maladie, car la principale cause d'un mauvais pronostic est le diagnostic tardifEn effet, environ 75 % des patients sont diagnostiqués à des stades avancés (stade III-IV), avec un taux de survie à 5 ans inférieur à 10 % pour le stade IV. Par conséquent, les stratégies axées sur l'identification de ces patients au stade IV stades curables (stades 0 à II) sont essentiels pour réduire la mortalité par cancer du poumon.
C'était l'objectif d'une recherche menée par des chercheurs de l'Université médicale de Guangzhou en Chine. Les chercheurs ont développé PulmoSeek Plus, un modèle composite résultant de la combinaison de deux modèles précédemment développés par les chercheurs : CIBM (basé sur des caractéristiques cliniques et d'imagerie) et PulmoSeek (basé sur des biomarqueurs de méthylation de l'ADN tumoral circulant). Pulmoseek Plus intègre les pouvoirs prédictifs des biomarqueurs cliniques, d'imagerie (tomographie informatisée à faible dose) et de méthylation de l'ADN acellulaire (cfDNA) à l'aide d'algorithmes d'apprentissage automatique pour classer les nodules pulmonaires malins et bénins.
Figure : Graphique d'analyse de la courbe de décision pour les modèles PulmoSeek Plus, PulmoSeek et CIBM : Le graphique montre le bénéfice net (axe des Y) sur une gamme de seuils de risque (axe des X) de trois modèles par rapport à l'intervention chez tous les participants (tous) ou à l'absence d'intervention (aucune) dans l'ensemble d'entraînement (A) et l'ensemble de validation (B). CIBM = biomarqueurs cliniques et d'imagerie.
Le projet Modèle PulmoSeek Plus était supérieur aux modèles PulmoSeek et CIBM. L'analyse de la courbe de décision a montré un bénéfice net plus élevé dans l'identification des nodules pulmonaires malins, en particulier lorsque la probabilité seuil était supérieure à 0.19 dans l'ensemble d'entraînement et à 0.04 dans l'ensemble de validation. À un seuil de risque de 0.54, PulmoSeek Plus a correctement identifié environ 83 personnes sur 100 atteintes d'un cancer du poumon malin, surpassant les autres modèles. Cela indique son efficacité en tant qu'outil clinique pour le diagnostic du cancer du poumon.
Cet outil innovant a été formé et validé dans un Étude rétrospective portant sur 24 hôpitaux dans 20 villes de Chine et comprenant un total de 1380 participants présentant un seul nodule pulmonaire de 5 à 30 mm. Les résultats de cette étude, récemment publiés dans The Lancet Santé numérique journal, a révélé que PulmoSeek Plus affichait une sensibilité élevée de 0.98 (0.97–0.99) avec une spécificité fixe de 0.50 pour exclure le cancer du poumon. Il est important de noter que lorsque les auteurs ont comparé les performances de ce modèle avec celles offertes par CIBM et PulmoSeek, PulmoSeek Plus a entraîné une meilleure capacité de discrimination, avec une augmentation de 0.05 de l'aire sous la courbe (ASC ; PulmoSeek Plus vs CIBM, IC à 95 % 0.022–0.087, p = 0.001 ; et PulmoSeek Plus contre PulmoSeek, 0.018–0.083, p = 0.002). De plus, les bénéfices ont été maintenus dans le cancer du poumon à un stade précoce (stades 0 et I) et chez les patients présentant de petits nodules (nodules de 5 à 10 mm de taille), souvent difficiles à réaliser dans la pratique clinique.
Comme en témoignent les preuves, PulmoSeek Plus a le potentiel d’être un outil efficace pour la évaluation clinique précoce et le traitement du cancer du poumon, pour lesquels des échantillons de sang obtenus de manière non invasive et des tomodensitométries seraient les seules conditions préalables. Étant capable d'identifier environ 83 personnes sur 100 atteintes d'un cancer du poumon (voir la figure ci-dessous), ce modèle souligne l'utilité de combinant des méthodologies puissantes, tels que l’intelligence artificielle, l’imagerie et les nouveaux biomarqueurs, avec des outils cliniques conventionnels pour l’identification précoce du cancer du poumon.
Lire l'article complet ici.
Classification précise des nodules pulmonaires par un modèle combiné de biomarqueurs cliniques, d'imagerie et de méthylation de l'ADN acellulaire: une étude de développement de modèle et de validation externe. Jianxing He, Bo Wang, Jinsheng Tao, Qin Liu et al. (2023) Lancet Digit Health 2023 ; 5 : e647–56