Un nouvel outil de dépistage pourrait augmenter à 90 % le taux de survie à cinq ans des patients atteints d’un carcinome hépatocellulaire.
Des chercheurs de l’École de médecine de l’Université de Pittsburgh ont développé un modèle d’apprentissage automatique (ML) sérum-fusion-gène. En raison de sa précision accrue dans le diagnostic précoce du carcinome hépatocellulaire (CHC), la forme la plus courante de cancer du foie, cet outil de dépistage pourrait augmenter le taux de survie à cinq ans des patients atteints de CHC de 20 pour cent à 90 pour cent.
Le test de dépistage le plus courant recherche le biomarqueur du CHC, la protéine sérique alpha-fœtale. Cependant, cela n’est pas toujours exact et jusqu’à 60 pour cent des cancers du foie sont diagnostiqués à des stades avancés, ce qui signifie de faibles taux de survie pour les patients. L’investigateur principal, le Dr Jian-Hua Luo, du Département de pathologie, du High Throughput Genome Center et du Pittsburgh Liver Research Center, de l’École de médecine de l’Université de Pittsburgh, a commenté : « Ce dont nous avons besoin, c’est d’un test rentable, précis et pratique pour dépister précocement. -stade du cancer du foie dans les populations humaines. Nous voulions explorer si une approche d’apprentissage automatique pouvait être utilisée pour augmenter la précision du dépistage du CHC en fonction du statut des gènes de fusion.
L’équipe a analysé neuf transcrits de fusion dans des échantillons de sérum provenant de 61 patients atteints de CHC et de 75 patients atteints de maladies non-HCC en utilisant la PCR quantitative à transcription inverse en temps réel (RT-PCR). Chez les patients atteints de CHC, sept des neuf fusions étaient souvent retrouvées. Ensuite, sur la base des niveaux de gènes de fusion sériques pour prédire le CHC dans la cohorte de formation, des modèles ML ont été générés.
Une précision de 83 à 91 pour cent dans la prévision de l’apparition du CHC a été obtenue à partir d’un modèle de régression logistique à quatre gènes de fusion. Lorsqu’il est combiné avec la protéine alpha-fœtale sérique, le modèle de régression logistique du gène à deux fusions et de la protéine alpha-fœtale a produit une précision de 95 pour cent pour toutes les cohortes. De plus, la quantification des transcrits du gène de fusion dans les échantillons de sérum a évalué avec précision l’impact du traitement et a pu surveiller la récidive du cancer.
Le Dr Luo a expliqué : « Le modèle d’apprentissage automatique du gène de fusion améliore considérablement le taux de détection précoce du CHC par rapport à la seule protéine sérique alpha-fœtale. Il peut constituer un outil important dans le dépistage du CHC et dans le suivi de l’impact du traitement du CHC. Ce test détectera les patients susceptibles d’avoir un CHC.
L’étude a été publiée dans Le Journal américain de pathologie.
2024-06-24 14:04:22
1719228421
#Évaluer #risque #CHC #grâce #lapprentissage #automatique
