Le cancer est l’ennemi public numéro un, et des chercheurs québécois veulent déployer la puissance de l’intelligence artificielle pour le déjouer. Mieux repérer les tumeurs sur les images. Les viser avec plus de précision par la radiothérapie. Savoir quand il faut sortir les nouvelles armes comme l’immunothérapie pour les combattre. Voici cinq projets de recherche qui viennent d’être financés par un concours appelé Onco-Tech.

Philippe Mercure Philippe Mercure
La Presse

Mieux repérer l’ennemi

La première mammographie que passera une femme est souvent source de stress. Dans pas moins d’un cas sur cinq, un doute est soulevé. L’image montre-t-elle une tumeur cancéreuse cachée dans les tissus ? Pour en avoir le cœur net, il faudra faire d’autres images du sein, parfois même une biopsie. Or, dans 80 % de ces cas, il n’y a pas de cancer. Ces nombreux drapeaux levés pour rien préoccupent les professionnels de la santé.

IMAGE ARCHIVES LA PRESSE

Image d’une mammographie

« Vous vous imaginez les patientes. Elles ont un examen, attendent trois semaines, ont un autre examen, parfois une échographie, une biopsie… Elles peuvent être trois mois dans l’attente d’un résultat », illustre la Dre Julie Lemieux, hémato-oncologue et chercheuse clinicienne au CHU de Québec. C’est sans compter les pertes de temps et d’argent pour le système de santé.

Avec sa collègue Louise Provencher, chirurgienne-oncologue au CHU de Québec, la Dre Lemieux veut voir si l’intelligence artificielle peut aider à mieux détecter les tumeurs sur les mammographies. L’aspect informatique sera confié à l’entreprise montréalaise Imagia. Le CHU de Québec lui fournira une mine d’or : le résultat de 50 000 biopsies réalisées depuis 20 ans, avec les mammographies initiales qui y sont associées. Le système tentera de dégager les signes révélateurs d’un cancer à partir des images.

Les chercheuses veulent aussi voir si l’intelligence artificielle peut aider à caractériser les tumeurs directement sur les mammographies et prédire à quels traitements la patiente réagira le mieux. Elles se donnent de deux à trois ans pour obtenir des résultats.

« Avant d’utiliser le modèle à grande échelle, il faut que le système soit robuste. Quand on dit à la patiente : “vous n’avez pas besoin de biopsie parce que ça a l’air bénin”, il faut être sûr de notre affaire ! », dit la Dre Lemieux.

Colorier les tumeurs pour les identifier

IMAGE FOURNIE PAR CÉCILE DARVIOT

Le professeur Michel Meunier et son équipe travaillent sur une méthode pour colorier les tumeurs cancéreuses à l’aide de nanoparticules afin de mieux les identifier.

Pour attaquer efficacement le cancer, il faut savoir à quel type de tumeur on a affaire exactement. Et pour aider les médecins à s’y retrouver, Michel Meunier, professeur de génie physique et de génie biomédical à Polytechnique Montréal, veut utiliser des nanoparticules.

L’idée est d’envoyer des centaines de millions de minuscules particules d’or, d’argent et de leurs alliages dans un échantillon prélevé par biopsie. Ces particules viennent en plusieurs couleurs. Pour chacune de ces couleurs, on attache à la nanoparticule une molécule biologique capable de s’accrocher à un type de cellule cancéreuse en particulier.

« Disons qu’on a une particule verte. Si on lui attache une molécule biologique qui fait qu’elle cible certaines cellules cancéreuses, elle va aller s’accrocher sur ces cellules. Et quand je regarde ensuite dans le microscope et que je vois des points verts, ça veut dire que la nanoparticule a identifié quelque chose », illustre Michel Meunier, qui mène les travaux en collaboration avec la Dre Dominique Trudel, pathologiste au Centre hospitalier de l’Université de Montréal (CHUM).

Ce que les chercheurs examinent au bout du processus est donc un motif de couleurs créé par la répartition des nanoparticules. C’est ce motif qui peut révéler de quel type de cancer est atteint le patient. L’avantage des nanoparticules est qu’on peut les compter, ce qui permet de quantifier l’analyse plutôt que d’y aller au pif. Mais les travaux sont loin d’être simples. Il faut concevoir un système optique capable de voir et de compter les nanoparticules, puis interpréter ces images à l’aide de l’intelligence artificielle pour identifier les cancers. Pas moins de trois entreprises participent aux travaux : les québécoises Photon ETC et Object Research Systems, ainsi que la française TRIBVN. Première cible : les différents types de cancer du poumon.

« C’est de la recherche et il y a encore beaucoup de choses à développer là-dedans, précise Michel Meunier. Mais on pense le système pour qu’il soit le moins cher et le plus efficace possible pour son utilisation par les pathologistes. »

Mieux viser avec la radiothérapie

IMAGE FOURNIE PAR SAMUEL KADOURY

L’équipe de Samuel Kadoury travaille à corriger les mouvements faits par les patients pendant les séances de radiothérapie afin de mieux viser le cancer.

Ce patient répondra-t-il bien à la radiothérapie ? Quelle dose devrais-je lui donner, à quelle fréquence et pendant combien de temps ? Voilà les questions que se pose un oncologue qui a un patient devant lui. Et il est possible que l’intelligence artificielle puisse l’aider.

C’est en tout cas ce que veulent vérifier Samuel Kadoury, chercheur au centre de recherche du CHUM et professeur à Polytechnique Montréal, et le Dr David Roberge, chercheur investigateur sur le cancer au CHUM.

Pour l’instant, les scientifiques concentrent leurs efforts sur les cancers qui attaquent la tête et le cou. Ils nourriront un système d’intelligence artificielle avec des données acquises sur 20 000 patients depuis 15 ans. Ces données comprennent des images du cancer acquises par tomodensitométrie ou par imagerie par résonance magnétique, ainsi que des informatiques sur les traitements administrés et l’évolution du cancer. But de l’exercice : tenter de voir ce qui fonctionne et ce qui ne fonctionne pas en fonction de l’allure de la tumeur telle qu’elle apparaît sur les images.

« On utilise des techniques d’apprentissage profond pour entraîner des modèles et pouvoir donner des prédictions, explique Samuel Kadoury. L’idée est qu’un patient arrive, et qu’à partir d’une seule image, on puisse lui dire s’il va bien répondre à la radiothérapie. Et, si c’est le cas, qu’on puisse lui créer un plan personnalisé avec des doses spécifiques. »

Lorsque la radiothérapie est administrée, le patient bouge toujours un peu, ne serait-ce que parce qu’il respire. Les chercheurs veulent aussi utiliser l’intelligence artificielle pour prédire ces mouvements et les compenser. L’objectif est de viser précisément la tumeur en épargnant les tissus sains. Les travaux se font de concert avec la multinationale suédoise Elekta, qui fabrique des appareils de radiothérapie.

« Le but est d’arriver, dans deux ans, avec un prototype utilisable », dit Samuel Kadoury.

Savoir quand déployer les nouvelles armes

IMAGE FOURNIE PAR SAMUEL KADOURY

Résultats d’une prédiction d’un plan de dose d’un patient allant en radiothérapie à partir de son image tomographique (CT)Recherche

Se servir du système immunitaire du patient pour combattre le cancer : c’est le principe de l’immunothérapie, une technique révolutionnaire qui a le vent dans les voiles. Pour le cancer du poumon, par exemple, elle permet de faire des miracles avec certains patients… mais pas tous. Pourquoi ? La réponse est complexe.

En principe, notre système immunitaire élimine les cellules cancéreuses. Mais certaines lui échappent parce qu’elles expriment certaines protéines, dont l’une appelée PDL1, qui disent aux cellules immunitaires : ne m’attaquez pas, je suis une amie. En mesurant, directement dans les cellules cancéreuses, le taux d’expression du PDL1, on peut deviner si le cancer utilise bien ce truc. Si c’est le cas, on donne aux patients certains traitements d’immunothérapie qui inhibent le PDL1. En principe, cela permet de contrer la ruse et le système immunitaire peut attaquer le cancer.

Mais cette stratégie est imparfaite. « On n’est pas toujours capable de bien prédire la réponse au traitement uniquement avec le taux d’expression du PDL1. C’est comme si on essayait de prédire la météo seulement en regardant s’il y a des nuages. Ça ne fonctionne pas toujours très bien. Mais si on combine les nuages avec les données d’un baromètre et d’autres informations, ça s’améliore », illustre le Dr Philippe Joubert, anatomopathologiste et chercheur à l’Institut universitaire de cardiologie et de pneumologie du Québec.

Avec son collègue Bertrand Routy, du CHUM, le Dr Joubert veut utiliser l’intelligence artificielle pour complexifier l’analyse.

« L’intelligence artificielle va nous permettre de regarder plein de variables chez un patient, explique le Dr Joubert. Par exemple, la radiologie, le profil des cellules immunitaires qui se trouvent dans les cellules tumorales, la génétique de la tumeur, la PDL1… On veut voir si, en regardant ces nombreux paramètres, on peut arriver à une signature qui va nous permettre d’identifier les patients qui vont répondre ou non à l’immunothérapie. » Les recherches, qui visent pour l’instant le cancer avancé du poumon, se font en collaboration avec l’entreprise québécoise d’intelligence artificielle Imagia.

Débusquer les cancers cachés

PHOTO FOURNIE PAR GUY CLOUTIER

L’équipe du chercheur Guy Cloutier tente de mieux repérer les tumeurs présentes dans le foie

Alors que les médecins qui analysent des mammographies soupçonnent souvent la présence de cancer là où il n’y en a pas, ceux qui cherchent des cancers du foie sont pris avec le problème inverse. Des maladies comme la stéatose ou la cirrhose viennent souvent masquer les tumeurs, si bien que de 20 à 40 % des cas ne sont pas détectés par les échographies traditionnelles quand ces problèmes de santé sont aussi présents.

Guy Cloutier, chercheur au centre de recherche du CHUM, et le Dr An Tang, radiologue au CHUM, pensent qu’on peut faire mieux. Dans son laboratoire, Guy Cloutier a mis au point des techniques qui permettent de tirer plus d’information des échographies. En analysant les ultrasons réfléchis par les tissus, il peut par exemple connaître l’élasticité et la viscosité de ces derniers. Il peut aussi savoir comment les composantes cellulaires sont organisées dans l’espace et sait à quel point les tissus atténuent les ultrasons envoyés.

« Un seul examen nous permet d’avoir plusieurs types d’analyses de la même région, et on veut voir si ces signatures combinées nous permettent de dire si, oui ou non, le patient a un cancer », explique M. Cloutier.

Et pour analyser ces nombreuses informations, l’intelligence artificielle sera mise à profit. « On combine toutes les informations dans un algorithme d’apprentissage machine pour optimiser le diagnostic et la caractérisation de la tumeur », dit M. Cloutier. Des chercheurs de Polytechnique, mais aussi du laboratoire Mila de l’Université de Montréal, seront mis à contribution.

Les travaux se font avec le géant allemand Siemens, un des plus grands fabricants d’appareils d’échographie au monde. L’objectif est que les nouvelles fonctionnalités développées soient directement intégrées aux appareils dans le futur.

« Notre objectif est de faire des examens sur une centaine de patients, précise Guy Cloutier. On va alors voir si on fait un meilleur dépistage des tumeurs. Si c’est le cas, on compte appliquer pour d’autres programmes de financement pour poursuivre et, éventuellement, aller vers d’autres types de cancer plus complexes et plus difficilement identifiables en échographie. »

Le concours Onco-Tech

Le concours Onco-Tech est organisé par l’Oncopole (un pôle de recherche québécois pour la lutte contre le cancer), le Consortium pancanadien de recherche industrielle et d’innovation en technologies médicales (MEDTEQ), l’Institut TransMedtech et la Société de recherche sur le cancer. Il vise à soutenir des travaux sur le cancer qui font le pont entre la recherche et l’industrie. Les travaux choisis feront l’objet d’un investissement total de 2,6 millions de dollars.