Le microbiome intestinal peut prédire le risque de développer un cancer colorectal chez un individu et pourrait devenir un véritable capteur précoce de santé, base de tests de dépistage non invasifs et personnalisés. C'est ce qu'a révélé une étude conjointe de l'Université de Bari Aldo Moro, du Département interuniversitaire de physique et du Département des sciences des sols, des plantes et de l'alimentation, de l'Université de Florence et de l'Institut national de physique nucléaire (Infn). L'étude, née dans le cadre d'un projet financé par le Pnrr, est coordonnée par le professeur Sabina Tangaro de l'UniBa, et a été publiée dans Gut Microbes, la revue internationale de référence pour la recherche sur le microbiome intestinal. L'ouvrage présente – rapporte une note – une approche innovante et personnalisée du diagnostic précoce du cancer colorectal, basée sur l'utilisation de l'intelligence artificielle explicable (Xai) pour analyser les profils microbiens intestinaux. Les auteurs de l'étude sont des physiciens, des médecins et des biologistes qui ont combiné leurs compétences pour développer une approche innovante et transparente de diagnostic précoce.
Nous partons d'un postulat : le cancer colorectal (Crc) représente la deuxième cause de décès par cancer dans le monde. Pour le savoir, la norme diagnostique aujourd’hui repose sur la coloscopie, une analyse invasive avec une adhésion limitée de la population, ce qui rend urgent le développement de méthodes alternatives, non invasives et efficaces pour identifier précocement les personnes à risque.
Le développement du cancer du côlon se produit selon une séquence évolutive bien définie – de l'épithélium sain à l'adénome, jusqu'au carcinome invasif – mais les mécanismes moléculaires qui sous-tendent cette progression sont encore en partie inconnus. De plus en plus d’études sur le microbiome intestinal suggèrent que certaines espèces bactériennes présentes dans l’intestin pourraient jouer un rôle crucial dans la genèse et la progression du cancer du côlon, en influençant l’inflammation, la réponse immunitaire et le métabolisme cellulaire.
L'étude
L'étude développée par les Universités de Bari et de Florence en collaboration avec l'Infn – lit-on – a utilisé l'intelligence artificielle explicable (Xai) pour analyser les données de séquençage génétique d'échantillons fécaux de 453 patients, dans le but d'identifier des biomarqueurs microbiens prédictifs de la présence d'adénomes ou de tumeurs. Le modèle a montré d'excellentes performances, réussissant à identifier avec une grande précision les sujets à risque même sur un groupe indépendant de patients italiens, où il a atteint un niveau de précision de 89% dans la reconnaissance des cas réellement à risque, réduisant au minimum les fausses alarmes. Grâce à l'approche explicable, il a également été possible d'identifier les espèces bactériennes les plus pertinentes, telles que Fusobacterium et Peptostreptococcus (associées à un risque accru) et le groupe Eubacterium elligens (associé à un risque réduit).
En plus de prédire les risques, l’intelligence artificielle – détaille la note – a permis de révéler les liens cachés entre les bactéries. L'un des aspects les plus innovants de l'étude a en effet été l'utilisation des valeurs d'interaction Shap, qui nous ont permis d'aller au-delà de l'identification de bactéries individuelles, en analysant les interactions entre les genres microbiens et leur influence combinée sur le risque de tumeur. Le microbiome a ainsi été interprété comme un réseau complexe, dans lequel les micro-organismes peuvent agir de manière synergique ou antagoniste. L'analyse nous a permis d'identifier des sous-groupes de patients atteints d'adénome présentant des profils bactériens similaires à ceux observés chez les patients atteints de carcinome, suggérant l'existence d'états de transition microbienne potentiellement détectables avant l'apparition clinique de la tumeur.
En particulier, dans ces sous-groupes à risque plus élevé, des genres bactériens centraux (hubs) ont émergé qui semblent jouer un rôle clé dans le réseau microbien : dans certains cas, Peptostreptococcus était le nœud le plus connecté, avec de fortes interactions avec Fusobacterium, Parvimonas et Porphyromonas ; dans d'autres, le centre du réseau était dominé par Fusobacterium, avec des contributions d'autres genres tels que les Lachnospiraceae UCG-010. Ces configurations microbiennes récurrentes, plutôt que la présence isolée de bactéries individuelles, semblent être associées aux profils de risque les plus élevés, ouvrant la voie à une évaluation des risques basée sur la dynamique de l'écosystème microbien plutôt que sur des marqueurs individuels. Grâce à l’adoption de l’intelligence artificielle explicable, ces travaux proposent un modèle prédictif non seulement efficace, mais également transparent et interprétable, favorisant une éventuelle intégration dans la pratique clinique pour améliorer la prévention personnalisée du cancer colorectal.
« Cette étude nous enseigne qu'il ne suffit pas de savoir quelles bactéries sont présentes : il faut comprendre comment elles s'influencent les unes les autres. C'est le réseau microbien qui fait la différence – expliquent la coordinatrice du projet, Sabina Tangaro et Amedeo Amedei (Université de Florence) – Le Xai nous permet de lire le microbiome comme un système complexe, mais avec des outils à la portée du clinicien ».
