Des chercheurs de l’Université de Genève (UNIGE) ont développé un outil d’intelligence artificielle capable d’anticiper le risque de métastases et de récidives à partir de signatures d’expression génique issues de tumeurs, selon des travaux publiés dans la revue Cell Reports. Le modèle, baptisé MangroveGS, atteint une précision proche de 80% dans le cancer du côlon et pourrait aussi être appliqué à d’autres cancers, comme ceux du sein, du poumon ou de l’estomac.

Les métastases restent la principale cause de mortalité dans la plupart des cancers, notamment dans les cancers du côlon, du sein et du poumon. Comprendre pourquoi certaines cellules tumorales migrent alors que d’autres restent localisées demeure une question centrale, avec des implications directes pour la prise en charge des patients.

L’équipe genevoise s’est appuyée sur des cellules issues de tumeurs primaires du côlon afin d’identifier des critères associés au potentiel métastatique. « On impute souvent l’origine du cancer à des “cellules anarchiques” », explique Ariel Ruiz i Altaba, professeur ordinaire au Département de médecine génétique et développement de la Faculté de médecine de l’UNIGE, qui a dirigé ces travaux. « Cependant, il faut plutôt comprendre le cancer comme une forme détournée du développement. »

Isoler des cellules vivantes pour observer leur capacité invasive

Les chercheurs soulignent qu’un obstacle majeur réside dans la difficulté d’analyser l’identité moléculaire complète d’une cellule tout en conservant sa viabilité. « La difficulté est de pouvoir détailler l’identité moléculaire complète d’une cellule — une analyse qui la détruit — tout en observant sa fonction, ce qui nécessite qu’elle reste vivante », poursuit Ariel Ruiz i Altaba.

Pour contourner cette limite, l’équipe a isolé, cloné et cultivé des cellules tumorales. « Pour cela, nous avons isolé, cloné et cultivé des cellules tumorales », indique Arwen Conod, maître assistante au sein du même département et co-première auteure de l’étude. Les clones ont ensuite été évalués in vitro et dans un modèle murin afin d’observer leur capacité à migrer et à générer des métastases.

Une trentaine de clones issus de deux tumeurs du côlon ont été analysés, permettant d’identifier des gradients d’expression de plusieurs centaines de gènes associés au potentiel migratoire. Les chercheurs insistent sur le fait que le risque métastatique ne dépend pas d’un seul marqueur, mais d’interactions entre cellules apparentées au sein de la tumeur.

MangroveGS, un modèle fondé sur des signatures multiples

À partir de ces signatures, les scientifiques ont développé un algorithme d’intelligence artificielle, Mangrove Gene Signatures (MangroveGS). « La grande nouveauté de notre outil (…) est d’exploiter des dizaines, voire des centaines de signatures de gènes », explique Aravind Srinivasan, assistant à l’UNIGE et co-premier auteur. Cette approche vise à limiter l’impact des variations individuelles.

Après entraînement, le modèle a atteint une précision proche de 80% pour prédire la survenue de métastases et de récidives dans le cancer du côlon, selon les auteurs. Les signatures dérivées de ce cancer pourraient également contribuer à estimer le potentiel métastatique d’autres tumeurs solides, notamment gastriques, pulmonaires ou mammaires.

Perspectives cliniques

Selon l’UNIGE, l’objectif serait de permettre une évaluation du risque à partir d’un prélèvement tumoral, avec analyse de l’ARN et transmission d’un score aux oncologues via un portail sécurisé. Ariel Ruiz i Altaba estime que cette information pourrait contribuer à adapter l’intensité du suivi et des traitements, en évitant un surtraitement chez les patients à faible risque et en renforçant la surveillance chez ceux présentant un risque plus élevé.

Les chercheurs évoquent également un intérêt pour la sélection des participants aux essais cliniques, afin d’améliorer la puissance statistique des études.

Ces travaux ont bénéficié du soutien du Fonds national suisse, de la Fondation suisse de recherche sur le cancer et du Département de l’instruction publique de l’État de Genève.