L’intelligence artificielle peut aider à quantifier l’infiltration tumorale par les lymphocytes.

L’infiltration de la tumeur par des lymphocytes  est en théorie le principal activateur de l’immunité intra-tumorale et pourrait donc être un marqueur prédictif de l’efficacité de l’immunothérapie. Toutefois la quantification de cette infiltration est rendue difficile parce qu’elle représente un très gros travail et est limitée par la répartition spatiale dans l’ensemble de l’image et la mauvaise concordance qui existe entre les observateurs.  Il est aussi difficile de quantifier l’infiltration lymphocytaire dans le microenvironnement tumoral.  Actuellement cette quantification est décrite ainsi :

• Inflammatoire (« inflamed ») lorsqu’existe une infiltration lymphocytaire au sein de la tumeur. 
• Immuno-exclue lorsqu’existe une infiltration lymphocytaire en dehors du stroma tumoral. 
• Et immune-désert lorsqu’existe peu d’infiltration lymphocytaire dans le micro environnement tumoral. 

Parce qu’il n’existe pas de critères standardisés qui soient suffisamment précis, les auteurs de ce travail coréen ont développé un outil, Lunit SCOPE IO, utilisant l’intelligence artificielle pour quantifier plusieurs composants histologiques à partir de lames entières colorées par l’hématoxyline et l’éosine de deux cohortes indépendantes de  patients atteints de cancer bronchique non à petites cellules avancés et traités par immunothérapie .  

Ils ont fait l’hypothèse que cette technique pourrait permettre de trouver un marqueur prédictif de l’activité de l’immunothérapie. La lame entière a été divisée en zones de 1mm3 et le phénotype immunitaire a été défini comme inflammatoire, immunothérapie-exclu ou immunothérapie-désert selon des valeurs seuil définies dans un travail antérieur.  L’expression de PD-L1 était évaluée parallèlement (22C3 Dako). 

Dans l'ensemble, 44,0 % des tumeurs étaient inflammatoires, 37,1 % étaient immuno-exclues et 18,9 % étaient immuno-désertes.

Ces statuts étaient corrélés avec le statut PD-L1  : l’incidence des tumeurs classées inflammatoires était de 31,7% chez les patients dont la tumeur n’exprimait pas PD-L1 , de 42,5% chez ceux qui l’exprimaient entre 1% 49% et 56.8% chez ceux dont l’expression était ≥50%. 

Les taux de réponse, de survie sans progression et de survie globale des malades traités par immunothérapie étaient augmentés dans les tumeurs classées « inflammatoires »comme le montre le tableau ci-dessous :

Cette étude ouvre des voies de recherche nouvelles centrées surl’utilisation de l’intelligence artificielle pour réaliser un travail qui aurait été impossible sans elle. Il reste à démontrer que cette technique, dont les résultats sont bien corrélés avec le statut PD-L1, permettrait de prévoir, mieux que PD-L1, la réponse, la survie sans progression ou la survie globale sous immunothérapie.