Semaine 2026-W27

Les avancées présentées à l'AACR 2026 mettent en lumière une transition vers des systèmes d'intelligence artificielle (IA) intégrés et agentiques en oncologie. Des plateformes comme Synapse facilitent la coordination de données à grande échelle, tandis que des outils conversationnels et multi-agents permettent une interaction simplifiée avec des données multimodales sur le cancer. L'IA démontre une grande précision et évolutivité pour la transformation des données du monde réel, notamment l'abstraction de documents cliniques et l'analyse des déterminants sociaux de la santé. Cliniquement, elle améliore les biomarqueurs d'imagerie, l'appariement aux essais et l'identification de cohortes, tout en accélérant la découverte thérapeutique, y compris le développement de CAR-T et l'identification de cibles d'immunothérapie.

Cette étude a caractérisé le paysage génomique du léiomyosarcome, une tumeur rare et agressive, en analysant un large ensemble de données du projet AACR GENIE. Les chercheurs ont examiné plus de 1000 échantillons tumoraux, identifiant les mutations somatiques et les altérations du nombre de copies les plus fréquentes. Les gènes TP53, RB1 et ATRX étaient les plus fréquemment altérés, avec des délétions homozygotes de RB1 et TP53, et des amplifications de MAP2K4. L'étude a également mis en évidence des altérations enrichies en IGF2 et AXIN1 dans les échantillons métastatiques, suggérant leur rôle potentiel dans la progression de la maladie. Ces découvertes améliorent la compréhension de la biologie du léiomyosarcome et pourraient orienter les futures stratégies d'oncologie de précision.

Cette étude a exploré le rôle de la protéine LMBR1L dans le cancer gastrique, identifiant une surexpression significative de cette dernière dans les tissus tumoraux. Les patients présentant des niveaux élevés de LMBR1L ont montré une survie globale et une survie sans maladie postopératoires réduites. Des analyses multivariées ont confirmé que l'expression de LMBR1L est un facteur de risque indépendant pour le pronostic des patients atteints de cancer gastrique. De plus, un modèle de nomogramme intégrant LMBR1L a démontré une bonne valeur prédictive pour la survie postopératoire. Des expériences in vivo ont également montré que la réduction de l'expression de LMBR1L inhibe la croissance tumorale.