PROJET BC-DigitalPath 

Vers les années 2030 : construction d’une base de données spatiales multi-omiques sur le cancer du sein d’envergure mondiale

Ce projet est porté par l’Institut Curie.

CONTEXTE

Le cancer du sein est un problème majeur de santé publique, restant à la fois le cancer le plus fréquent et le plus meurtrier chez les femmes. Malgré l’arrivée des immunothérapies notamment, il existe un besoin médical critique non satisfait d’identifier des biomarqueurs robustes pour le pronostic des patients et la prédiction de la réponse au traitement afin d’optimiser la prise de décision clinique.

Pour répondre à ce besoin, la pathologie digitale et les algorithmes d’intelligence artificielle (IA) sont très prometteurs car ils permettent d’obtenir des informations nouvelles et approfondies sur des caractéristiques tumorales inconnues, utiles pour le pronostic des patients. La numérisation des lames histologiques est en cours dans de nombreux hôpitaux. Dans ce contexte, nous proposons ici de faire entrer la pathologie digitale dans une nouvelle ère, en utilisant notre expertise en IA et en transcriptomique spatiale, ainsi que la position de leader de l’Institut Curie dans le traitement du cancer du sein en Europe.

OBJECTIFS

BC-DigitalPath est un projet très ambitieux visant à générer le plus grand entrepôt d’images de lames entières de cancer du sein en Europe, avec des données pathologiques et cliniques bien structurées et une caractérisation multi-omique approfondie. Nous proposons de numériser des lames histologiques de cancers du sein pour 15 000 patientes sur une période de 6 ans. Nous aurons accès aux données radiologiques de la plupart des patientes. Nous allons également caractériser de façon approfondie les tumeurs et leur microenvironnement pour un sous-ensemble de patientes par des analyses omiques de pointe, telle la transcriptomique spatiale grâce à l’expertise du laboratoire de Fatima Mechta-Grigoriou.   

Cet ensemble de données sera exploité afin de mieux caractériser les tumeurs du cancer du sein et leur microenvironnement et de fournir des modèles prédictifs et des biomarqueurs morphologiques applicables à des lames de cancer du sein utilisées en routine. Ce projet a donc le potentiel de positionner l’Institut Curie – et la France – comme pionnier dans le domaine de la pathologie digitale et de la découverte de biomarqueurs d’IA pour le cancer du sein.

RÉSULTATS

L’équipe de Thomas Walter, spécialisée en deep learning et en pathologie digitale, étendra les méthodes existantes et en développera de nouvelles pour s’attaquer à des tâches de prédiction difficiles.

Deux types de résultats sont ainsi attendus :

• la création d’une base de données sans précédent sur le cancer du sein, comprenant des images de lames entières pour 15 000 patientes et des données multi-omiques pour un sous-ensemble de patientes

• le développement d’outils basés sur l’IA pour prédire le pronostic et la réponse au traitement des patientes atteintes d’un cancer du sein.

Le projet BC-DigitalPath doit être considéré comme le point de départ d’une multitude de projets translationnels qui s’appuieront sur l’accès à cette base de données sur le cancer du sein.

Notre ambition est d’améliorer le diagnostic et les soins cliniques des cancers du sein grâce à la génération d’un ensemble de données unique pour le cancer du sein (pathologie numérique, multi-omique) et au développement d’algorithmes d’apprentissage profond pour déduire des biomarqueurs pronostiques et prédictifs, avec l’objectif ultime de mettre en œuvre ces biomarqueurs et ces outils dans la pratique clinique.

PUBLICATIONS RÉCENTES

1. Lazard T, Bataillon G, Naylor P, Popova T, Bidard FC, Stoppa-Lyonnet D, Stern MH, Decencière E, Walter T, Vincent-Salomon A. Deep learning identifies morphological patterns of homologous recombination deficiency in luminal breast cancers from whole slide images. Cell Rep Med. 2022 Dec 20;3(12):100872.
2. Kieffer Y, Hocine HR, Gentric G, Pelon F, Bernard C, Bourachot B, Lameiras S, Albergante L, Bonneau C, Guyard A, Tarte K, Zinovyev A, Baulande S, Zalcman G, Vincent-Salomon A, Mechta-Grigoriou F. Single-Cell Analysis Reveals Fibroblast Clusters Linked to Immunotherapy Resistance in Cancer. Cancer Discov. 2020 Sep;10(9):1330-1351.