Détection précoce de la leucémie aiguë myéloblastique par analyses complexes combinant des données biologiques des cellules leucémiques et l’apprentissage automatique (intelligence artificielle)

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

La Leucémie Aigüe Myéloblastique (LAM) est un cancer agressif de la moelle osseuse. C’est un cancer rare (environ 1% des cancers), mais son nombre de cas augmente avec le vieillissement de la population. Elle se caractérise par l’accumulation de cellules anormales dans le sang et nécessite un diagnostic rapide, réalisé grâce à une ponction de moelle osseuse. Le traitement standard est une chimiothérapie intensive, mais celle-ci n’est pas toujours adaptée, surtout chez les patients de plus de 60 ans. Pour mieux les soigner, il faudrait identifier dès le diagnostic les patients susceptibles de répondre à la chimiothérapie. Toutefois, les marqueurs biologiques utilisés en clinique pour le suivi des patients sont obtenus trop tard pour influencer la décision initiale de traitement.
Le projet CytoFLAM vise à développer des méthodes d’apprentissage machine pour analyser des données de cytométrie en flux (obtenues très rapidement au diagnostic sur les cellules des patients) et prédire les marqueurs pronostiques (probabilité du patient de répondre à la chimiothérapie standard). L’objectif est d’aider les médecins à choisir le traitement le plus adapté dès le diagnostic.
Cette approche innovante pourrait améliorer la prise en charge des patients LAM, en particulier des personnes âgées, et éviter des traitements inutiles ou trop agressifs. Elle ouvre aussi la voie à une médecine plus personnalisée, basée sur des informations issues de la combinaison de plusieurs marqueurs biologiques disponibles dès le diagnostic des patients.