L’Intelligence Artificielle au service de la médecine pour améliorer l’espérance de vie des patients atteints de cancer du poumon

’immunothérapie est devenu le traitement standard de 1^ère ligne pour les patients présentant un cancer broncho-pulmonaire métastatique. Si l’immunothérapie permet une très bonne réponse tumorale avec des rémissions prolongées jusque-là non observées avec les autres chimiothérapies et thérapies ciblées, elle ne bénéficie qu’à environ un patient sur deux. Il existe donc une recherche très active pour identifier des « biomarqueurs » permettant de prédire l’efficacité de l’immunothérapie et mieux cibler les patients éligibles à ce traitement. L’objectif est, à terme, de mieux individualiser la stratégie thérapeutique pour améliorer l’espérance de vie des patients répondeurs, tout en limitant des toxicités et perte de temps pour les patients non-répondeurs.

Les nouveaux algorithmes d’intelligence artificielle permettent une analyse « en profondeur » des images médicales, pour en extraire des caractéristiques non visibles par l’œil humain mais potentiellement très informatives sur l’efficacité future des traitements. La difficulté est que ces algorithmes ont besoin d’être entraînés sur un grand nombre d’images pour « apprendre » une combinaison de paramètres capable de prédire la réponse au traitement. Or, ces images médicales étant privées et confidentielles, il est actuellement difficile de constituer de grandes bases de données sécurisées en dehors des hôpitaux.

Le projet « FEDERATED-PET » a pour objectif de répondre à cette contrainte sur les données médicales grâce à une technologie innovante développée par Inria : la plateforme logicielle Fed-BioMed (https://fedbiomed.gitlabpages.inria.fr/). Il s’agit d’une infrastructure informatique innovante permettant de faire communiquer entre eux plusieurs hôpitaux et entrainer les modèles d’intelligence artificielle de manière collaborative et sécurisée sur des données hétérogènes. Cet entrainement se fait donc sur les données biomédicales de plusieurs hôpitaux, sans avoir besoin de les faire sortir du réseau informatique de l’hôpital qui les a produites. Cela permet de garantir la confidentialité et la sécurité de ces données très sensibles. Cette technologie est appelée « Apprentissage Fédéré ». Le projet « FEDERATED-PET » est la première initiative française d'apprentissage fédéré de grande ampleur.

Le projet « FEDERATED-PET » est un projet ambitieux d’analyse « fédérée » de 1000 images TEP (tomographie par émission de positons) au ¹⁸FDG (¹⁸Fluoro-déoxy-glucose) de patients présentant un cancer du poumon et éligibles à une immunothérapie. L’imagerie TEP fournit de nombreuses informations non invasives sur la tumeur mais également sur le terrain immunitaire du patient. Ces 1000 images TEP seront réparties dans huit hôpitaux différents. 

L’objectif du projet sera double:

- Développer une infrastructure de communication entre les hôpitaux pour « entrainer » collectivement les algorithmes d’Intelligence Artificielle, sans jamais sortir les données médicales des hôpitaux ou elles sont produites 

- Développer un nouvel outil d’Intelligence Artificielle à l’aide d’un algorithme capable, à partir de l’analyse des 1000 images TEP de patients présentant un cancer broncho-pulmonaire métastatique, de prédire l’efficacité future de l’immunothérapie pour, à terme, proposer une personnalisation de la stratégie thérapeutique, adaptée au profil d’immuno-réactivité de chaque patient.

 Le projet a débuté en novembre 2022 et durera 3 ans. Il implique 8 hôpitaux français et 4 centres de recherches de renommé internationale.