Améliorer le diagnostic des patients porteurs d’un cancer avec instabilité microsatellitaire (cancer MSI) grâce à l’intelligence artificielle (MSI Deep)

L’instabilité des Microsatellites (MSI) est un phénotype tumoral fréquent associé à de nombreux cancers, en particulier digestifs. Il est devenu aujourd’hui un biomarqueur théranostique incontournable en oncologie clinique (i.e. pronostique, prédictif de la réponse au traitement, nécessaire à l’orientation thérapeutique). Dans ce champ en plein essor de la médecine de précision des cancers, l’intelligence artificielle (IA) et le deep learning (DL) ont un très fort potentiel qui devrait permettre à la fois de simplifier les conditions et d’améliorer les performances du diagnostic de ce biomarqueur. Récemment, une méthode diagnostique du statut MSI par IA/DL a été proposée à partir de l’étude de lames histologiques de cancer colorectal (CCR) et de cancer gastrique (CG). Néanmoins, l’outil proposé est perfectible et de plus, a des performances satisfaisantes uniquement pour la détection du phénotype MSI dans les CCR, voire des CG. Dans ce projet, nous souhaitons (i) créer un nouvel outil IA/DL optimisé pour identifier le phénotype MSI des CCR et CG  (ii) évaluer précisément la place de cet outil en clinique dans la stratégie diagnostique en comparant ses performances à celles des méthodes de référence (PCR sur ADN tumoral, Immunohistochimie)  (iii) générer un nouvel outil IA/DL pour l’identification du statut MSI en pan-cancer qui aura été entraîné afin de détecter ce phénotype au sein de la totalité du spectre de tumeurs auquel il est associé (CCR, CG, mais aussi endomètre, pancréas, cerveau, prostate, vessie, voies urinaires, voies biliaires, …).