Chercheur principal
Mark Basik
Hôpital Général Juif
Co-chercheurs
Sarah Jenna
My Intelligent Machines (MIMs)
Richard Fajzel
Exactis Innovation
Projet en cours – 1 500 000 $/ 3 ans
- Soutenu par le CQDM par l’entremise de : MEI
- Et des partenaires de cofinancement :
- Société canadienne du cancer
- MIMs
- Exactis Innovation
Défi
Le cancer du sein triple négatif (CSTN) est la forme la plus agressive du cancer du sein. Même aux stades précoces, la chimiothérapie constitue le principal traitement, souvent avant la chirurgie. La présence de cellules tumorales résiduelles après la chimiothérapie traduit une chimiorésistance et un pronostic sombre, le décès survenant dans les cinq ans suivant la chirurgie chez 30 à 40 % des patientes atteintes d’un cancer du sein triple négatif. Ces patientes reçoivent généralement une chimiothérapie additionnelle (capécitabine) pendant 6 mois suivant la chirurgie, cependant, le bienfait lié à la survie sans progression de la maladie n’est que de 15 %. L’identification des patientes qui pourraient bénéficier de cette chimiothérapie additionnelle constitue actuellement un besoin insatisfait. Les données préliminaires laissent supposer que le recours à la biopsie liquide pour l’analyse de l’ADN tumoral circulant a une importante valeur pronostique dans le cas du CSTN. Le rôle du profilage moléculaire de la tumeur et d’autres molécules plasmatiques (protéines, miARN) au regard du pronostic est inconnu. Pour intégrer toutes ces données (tissu et plasma tumoraux, ARN, ADN, protéine) dans un algorithme prédictif, il faudra absolument tirer avantage des percées récentes de la méthodologie fondée sur l’intelligence artificielle.
Solution
L’objectif de la présente étude est d’intégrer des profils multidimensionnels (génomique, transcriptomique, analyse miARN, protéomique) pour développer des signatures « multi-omiques » afin d’identifier les issues favorables et défavorables ainsi que la réponse tumorale à la chimiothérapie des patientes atteintes d’un CSTN présentant des cellules tumorales résiduelles après une chimiothérapie néoadjuvante. Après la mesure de l’ADN des cellules tumorales circulante, de l’ARNm, du miARN et des protéines dans la tumeur et le plasma des patientes à l’aide de biopsies liquides, les outils utilisant l’intelligence artificielle mis au point par My Intelligent Machines (MIMs) intégreront ces données dans un algorithme afin d’élaborer une nouvelle signature pronostique.
Réalisations prévues/Retombées
Le projet proposé ici mènera à la découverte de nouvelles signatures biologiques grâce à des stratégies novatrices et intégratives utilisant l’intelligence artificielle. Les biomarqueurs pour les CSTN chimiorésistants permettront de choisir la chimiothérapie qui convient le mieux aux patientes dont le pronostic est sombre tout en évitant la toxicité d’une chimiothérapie inutile lorsque le pronostic est favorable. Cette découverte aura un impact clinique d’importance en ce qui a trait à la forme la plus agressive et la plus fréquente de cancer du sein chez les femmes.
