Malgré une augmentation considérable des publications au cours des dernières années, la biopsie liquide n’est pas encore utilisée en routine dans le diagnostic du cancer et la surveillance des tumeurs. Contrairement à la biopsie directe, la biopsie liquide utilise des fluides corporels prélevés loin de la tumeur primaire. Elle peut donc passer à côté d’une partie importante de la tumeur, mais peut à l’inverse être représentative de sa contrepartie plus agressive.
(red) Pour la biopsie liquide (LB), on utilise généralement du sang veineux ou du LCR. Le matériel dérivé de la tumeur peut être présent soit sous forme libre (acides nucléiques tumoraux circulants et cellules tumorales circulantes [CTCs]) soit dans des vésicules liées à la membrane (microvésicules [MVs] et exosomes [EXs]). Plus récemment, les plaquettes ont montré leur énorme potentiel pour la biopsie liquide en tant que plaquettes adaptées aux tumeurs (TEP). Cependant, dans ce contexte, les tumeurs cérébrales intrinsèques représentent un défi supplémentaire pour plusieurs raisons, notamment leur faible incidence et le rapport coût-efficacité d’un dépistage précoce, le manque de preuves concernant les options de traitement précoce et la présence de la barrière hémato-encéphalique (BHS) comme suppresseur potentiel des cellules tumorales migrantes et leur faible capacité à métastaser par voie sanguine. L’un des principaux défis de l’intégration de la LB aux tumeurs cérébrales dans la routine clinique est l’évaluation de normes fiables et l’augmentation de la sensibilité plutôt faible et variable, qui est actuellement d’environ 10-60%, car l’excrétion d’ADN tumoral dans le LCR ne semble pas être une caractéristique universelle du gliome diffus. En outre, il n’existe toujours pas de données suffisantes sur l’influence du type de tumeur (glioblastome vs astrocytome à IDH mutée vs gliomes de bas grade), de la localisation, de l’étendue des troubles de l’ESB et du stade de la maladie sur la sensibilité, la spécificité et l’utilité clinique des différents biomarqueurs de biopsie liquide et de leur combinaison, ainsi que sur le meilleur mode de prélèvement du LCR (soit lombaire, soit céphalique).
L’apprentissage automatique soutient LB
Une revue systématique s’est concentrée sur l’application de l’apprentissage automatique (ML) à la LB dans les tumeurs cérébrales dans le but de fournir aux neurochirurgiens un guide pratique pour comprendre les pratiques les plus avancées et les défis ouverts. L’étude a été réalisée conformément aux lignes directrices PRISMA-P (preferred reporting items for systematic review and meta-analysis protocols). Une recherche bibliographique en ligne a été effectuée dans les bases de données PubMed/Medline, Scopus et Web of Science en utilisant la requête de recherche suivante : “([Flüssigbiopsie] AND [Glioblastom OR Hirntumor] AND [Machine Learning OR Artificial Intelligence))”.
La recherche dans la littérature a donné un total de 55 résultats. Les entrées en double ont été supprimées (n=24). 31 ensembles de données ont été screenés et quatre ensembles de données ont été exclus par un screening des titres et des résumés ; 27 rapports ont été recherchés pour être consultés et quatre études n’étaient pas accessibles et ont donc été éliminées. Vingt-trois rapports ont été jugés pertinents pour notre question de recherche et leur pertinence a été évaluée. Neuf rapports ont été exclus car ils ne répondaient pas aux critères d’inclusion. Au final, 14 articles ont été inclus dans l’enquête.
Actuellement, pas d’utilisation pour les tumeurs cérébrales
Les principaux avantages de la LB sont qu’elle est non invasive, répétable et évaluable en temps réel. Les tumeurs cérébrales intrinsèques constituent un groupe difficile de tumeurs pour lesquelles la biopsie liquide peut être utilisée en routine. Jusqu’à présent, la littérature n’a publié que des preuves rares et précoces indiquant que les différentes phases de la gliomagenèse sont caractérisées par différents biomarqueurs protéomiques sécrétés. LB joue un rôle important dans l’établissement du diagnostic lorsqu’une biopsie tissulaire n’est pas réalisable en raison du risque de morbidité excessive, par exemple en cas de lésions profondes ou multicentriques ou en cas d’âge avancé et de nombreuses comorbidités. Cela ne signifie pas pour autant qu’il n’existe pas de potentiel pour la LB dans les gliomes à d’autres stades, par exemple pour le suivi des résultats du traitement et la stratification pronostique des patients concernés. Le niveau d’un biomarqueur hypothétique idéal devrait être élevé au moment de l’imagerie diagnostique, puis chuter considérablement après l’ablation chirurgicale de la tumeur et rester faible pendant la suite du traitement, ce qui contribue à distinguer une progression d’une pseudo-progression et à augmenter le nombre de cas éligibles pour des options potentiellement curatives ou des traitements plus efficaces. Ceci est d’autant plus vrai que la classification des tumeurs du SNC de l’OMS pour 2021 exige une caractérisation des tumeurs cérébrales non seulement sur la base de leur histologie, mais aussi, indépendamment de celle-ci, sur la base de leurs caractéristiques moléculaires.
Mais le faible nombre de travaux dans la littérature sur les tumeurs cérébrales montre que la biopsie liquide n’est actuellement pas utilisée pour les tumeurs du SNC. Cependant, le ML peut jouer un rôle dans la LB dans les tumeurs cérébrales – en particulier dans la détection précoce, car il est plus efficace que les méthodes statistiques traditionnelles pour identifier les signes précoces de tumeurs cérébrales par l’analyse des marqueurs génétiques et protéomiques dans les biopsies liquides. La médecine de précision peut également en bénéficier, car elle peut rapidement aider à prédire l’efficacité de différentes thérapies en analysant la signature moléculaire des tumeurs. En outre, il fournit des résultats plus rapides. Les algorithmes ML peuvent analyser rapidement et précisément les résultats de LB et fournir aux médecins des informations exploitables qui peuvent les aider à prendre des décisions de traitement.
Source : Menna G, et al. : Is There a Role for Machine Learning in Liquid Biopsy for Brain Tumors ? Une revue systématique. Int J Mol Sci 2023 ; 24(11) : 9723.
InFo NEUROLOGIE & PSYCHIATRIE 2024 ; 22(3) : 33
