Cancer du sein

Cette étude décrit la validation analytique de l'essai Illumina TruSight Oncology 500 (TSO500) dans un laboratoire clinique certifié CAP au Brésil. Elle présente également les résultats réels du profilage génomique complet (CGP) effectué sur 454 patients atteints de tumeurs solides. L'étude a mis en évidence le paysage génomique des tumeurs, incluant la détection de fusions géniques, certaines étant inédites. Les performances analytiques de l'essai ont été évaluées, montrant une spécificité et une valeur prédictive positive élevées. Les auteurs concluent que le TSO500 fournit des informations essentielles pour le diagnostic, le pronostic et les décisions thérapeutiques en oncologie.

Cette étude explore les biomarqueurs prédictifs de la réponse aux inhibiteurs de points de contrôle immunitaire (ICI) dans le carcinome urothélial métastatique. Les chercheurs ont identifié que les patients répondant aux ICI présentaient une charge mutationnelle tumorale (TMB) plus élevée et des mutations enrichies dans des gènes comme PIK3CA. Des études fonctionnelles in vitro et in vivo ont démontré que les mutations de PIK3CA augmentent l'immunogénicité tumorale en activant l'axe IRF1-NLRC5-MHC-I, améliorant ainsi la présentation des antigènes et la réponse cytotoxique des lymphocytes T CD8+. Ces résultats suggèrent que la mutation de PIK3CA pourrait servir de biomarqueur pour prédire la sensibilité aux ICI et représente un nouveau mécanisme de modulation immunitaire.

Cette étude présente MOCDT, un cadre bioinformatique innovant pour la détection multi-cancer et la classification de l'origine tissulaire à partir de l'ADN libre circulant (ADNlc). MOCDT utilise une approche en deux étapes : d'abord une détection du cancer à haute spécificité, suivie d'une classification conditionnelle de l'origine tissulaire. Le modèle intègre un auto-encodeur multi-modal supervisé avec un réseau de similarité patient et un réseau de convolution graphique pour l'apprentissage relationnel. Appliqué à une cohorte incluant des contrôles sains et huit types de cancer, MOCDT a démontré une spécificité de 95,74 % et une sensibilité de 96,22 % pour la détection du cancer, ainsi qu'une précision Top1 de 75,2 % et Top3 de 91,06 % pour la classification de l'origine tissulaire.

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 comparé de manière exhaustive sept méthodes de prédiction de la déficience en recombinaison homologue (DRH) chez 235 patientes atteintes d'un cancer du sein triple négatif à un stade précoce. Les méthodes incluaient des approches basées sur le séquençage, le nombre de copies, la fonction, l'ARN messager et l'imagerie, avec une comparaison exploratoire à l'essai Myriad myChoice CDx. Les résultats ont montré une concordance substantielle entre les méthodes, mais aussi des discordances spécifiques liées au prétraitement des données et aux stratégies d'entraînement. Malgré ces variations, toutes les méthodes ont démontré une performance pronostique similaire chez les patientes recevant une chimiothérapie adjuvante. L'étude souligne l'importance d'optimiser les flux de travail et les seuils pour assurer la cohérence et la reproductibilité des classifications de la DRH.

L'identification précise des variants somatiques est essentielle en oncologie, mais les méthodes existantes peinent à maintenir une sensibilité élevée dans certaines régions génomiques. VariantMedium, un nouvel outil, combine un classifieur basé sur des arbres avec un réseau de neurones convolutif 3D DenseNet. Ce modèle a été entraîné et validé sur un vaste ensemble de données de variants confirmés expérimentalement, et amélioré par une stratégie d'apprentissage actif. Il démontre une sensibilité supérieure et des scores F1 comparables ou meilleurs que les outils de référence, particulièrement dans les régions à fort taux d'erreur de séquençage.

Cette étude évalue la performance des outils de prédiction in silico pour la curation des variants génétiques dans un panel de gènes de prédisposition au cancer. Les chercheurs ont appliqué les seuils recommandés par le groupe de travail ClinGen SVI et les prédictions d'AlphaMissense à des variants de gènes comme BRCA1, BRCA2, TP53, TERT et ATM, dont la pathogénicité ou la bénignité est établie. Les résultats ont révélé une sensibilité insuffisante pour les variants pathogènes de TERT et les variants bénins de TP53. L'étude souligne que la performance de ces outils peut être spécifique à chaque gène et dépend des jeux de données d'entraînement utilisés. Il est donc crucial de valider ces outils pour des gènes individuels, en particulier pour les variants faux-sens.

L'épissage précis de l'ARN est crucial pour l'expression génique, mais ses mécanismes et les conséquences des mutations sont encore mal compris, menant à des maladies comme le cancer. Les outils de prédiction existants peinent à gérer les dépendances à longue portée et manquent souvent d'interprétabilité. SpliceSelectNet (SSNet) est un nouveau modèle d'apprentissage profond basé sur l'architecture Transformer hiérarchique. Il prédit les sites d'épissage sur des séquences allant jusqu'à 100 kb en intégrant des mécanismes d'attention locaux et globaux. SSNet atteint des performances de pointe et offre une interprétabilité biologique, capturant les effets régulateurs distaux.

Cette étude a évalué l'impact de la taille des panels de séquençage de nouvelle génération (NGS) sur les recommandations thérapeutiques en oncologie de précision. En comparant un panel de 430 gènes à un panel plus petit de 185 gènes chez 281 patients, les chercheurs ont constaté que des altérations moléculaires étaient détectées dans la quasi-totalité des tumeurs. Bien que la majorité des recommandations thérapeutiques stratifiées aient été possibles avec le panel plus petit, le panel étendu a permis des recommandations supplémentaires pour 8,8 % des patients et a identifié des variants actionnables dans cinq gènes additionnels. L'étude souligne l'importance d'une couverture génomique suffisante pour le calcul fiable de la charge mutationnelle tumorale (TMB), établissant ainsi une norme minimale pour la prise en charge génomique du cancer.

L'Oncogenicity Variant Interpreter (OncoVI) est un outil open-source basé sur Python, développé pour harmoniser et automatiser la classification de l'oncogénicité des variants somatiques en oncologie de précision. Il implémente les directives du Clinical Genome Resource/Cancer Genomics Consortium/Variant Interpretation for Cancer Consortium, réalisant l'annotation fonctionnelle et la collecte de preuves à partir de ressources publiques. OncoVI a démontré une précision de 80% sur un ensemble de référence de 93 variants somatiques et une concordance de 79% avec les évaluations d'un comité de tumeurs moléculaires sur 7802 variants réels. Cet outil vise à soutenir une interprétation reproductible et standardisée des variants somatiques entre les institutions.

Cette étude a réalisé un séquençage du génome entier et du transcriptome sur 50 échantillons de tumeurs de 37 patientes atteintes d'un cancer du sein localement avancé ou métastatique. Elle a révélé une complexité génomique étendue, avec une charge mutationnelle tumorale plus élevée dans le cancer du sein triple négatif (TNBC). Une déficience de la recombinaison homologue (HRD) a été détectée chez 27% des patientes, souvent sans mutations de BRCA1/2 mais avec des variants structurels délétères dans d'autres gènes de réparation. Des altérations thérapeutiquement exploitables ont été identifiées chez 84% des patientes, incluant une nouvelle fusion ESR1::EP300 potentiellement liée à la résistance endocrinienne. Ces résultats soulignent la valeur du séquençage pangénomique pour caractériser la maladie métastatique et guider les thérapies.

Les mutations somatiques dans les régions promotrices riches en GC sont des moteurs importants du cancer, mais leur détection est difficile en raison de la faible couverture de séquençage dans ces zones. Cette étude présente un essai de capture hybride optimisé pour plus de 3000 promoteurs de gènes liés au cancer, permettant un séquençage profond de ces régions complexes. Cette méthode facilite la découverte de mutations ponctuelles fiables, de petites insertions/délétions, de variants du nombre de copies et de signatures mutationnelles. L'essai a identifié des mutations non codantes candidates dans les gènes CDK4, SMAD3 et GATA3 dans le cancer du sein, ouvrant la voie à de futures investigations fonctionnelles.

Cette revue explore les biomarqueurs établis et émergents pour la stratification des patientes atteintes d'un cancer du sein à un stade précoce, afin d'optimiser la thérapie systémique adjuvante. Elle souligne que les facteurs clinicopathologiques restent fondamentaux, mais que la prise de décision est de plus en plus guidée par des marqueurs biologiques précis. Les statuts ER et HER2 sont essentiels, tandis que les tests multigéniques affinent le risque de récidive et le bénéfice de la chimiothérapie dans les cancers hormono-sensibles. Des biomarqueurs immunitaires et de réparation de l'ADN informent les thérapies ciblées dans les sous-types HER2-positifs et triple-négatifs, et le profilage des mutations de gènes comme ESR1, PIK3CA, AKT, MTOR et PTEN guide les traitements ciblés. Les approches émergentes, telles que la biopsie liquide et l'intelligence artificielle, offrent des perspectives dynamiques mais nécessitent une validation prospective.

Cette méta-analyse a évalué la performance de modèles de prédiction du risque de cancer du sein chez les femmes ayant des antécédents familiaux. Les modèles Gail (BCRAT) et BOADICEA ont montré une bonne calibration, tandis que Tyrer-Cuzick surestime et BRCAPRO sous-estime le risque. En termes de discrimination, aucun modèle n'était clairement supérieur, avec Tyrer-Cuzick version 8, BOADICEA et BRCAPRO présentant une discrimination modeste et similaire. Les auteurs suggèrent que BOADICEA pourrait être utile pour la gestion des patientes dans ce contexte, malgré des limites liées au risque de biais élevé et à l'hétérogénéité des études.

Cette étude prospective a examiné la prévalence des variants germinaux pathogènes (PVs) non-BRCA et leur impact sur la réponse à la thérapie néoadjuvante (NAT) chez des patientes atteintes d'un cancer du sein triple négatif (CSTN). Sur 184 patientes, 36% présentaient des PVs dans des gènes de susceptibilité au cancer, incluant 31 gènes non identifiés dans d'autres cohortes américaines. Les patientes ont reçu une NAT à base de doxorubicine, cyclophosphamide, paclitaxel et carboplatine, avec ou sans immunothérapie ou thérapie ciblée. Malgré cette prévalence élevée, la présence de ces PVs germinaux non-BRCA n'était pas associée à une différence significative dans la réponse pathologique complète (pCR) ou la réponse radiologique. Les résultats suggèrent l'intérêt des panels multigènes pour le dépistage, mais indiquent que ces variants ne sont pas des prédicteurs de la réponse à la NAT dans le CSTN.

La létalité synthétique est un phénomène génétique où la combinaison de deux altérations génétiques est fatale pour une cellule, alors qu'une seule ne l'est pas. Cette approche offre des stratégies thérapeutiques prometteuses pour cibler des voies oncogéniques jusqu'alors inaccessibles. Des criblages à haut débit ont permis d'identifier de nouvelles vulnérabilités exploitables, notamment dans la réponse aux dommages à l'ADN et les altérations épigénétiques. Les inhibiteurs de PARP, efficaces dans les cancers mutés BRCA, ont validé ce principe en clinique. De nouvelles stratégies ciblant PRMT5, MAT2A, WRN, PKMYT1 et WEE1 sont actuellement en développement préclinique ou clinique précoce.

Cet article aborde la complexité croissante de la prise de décision thérapeutique pour le cancer du sein précoce, hormono-dépendant et HER2-négatif. Il souligne l'importance des avancées en biologie tumorale, notamment les tests génomiques, pour améliorer la stratification du risque et identifier les patientes bénéficiant le plus de la chimiothérapie. L'article explore également les défis et controverses actuels, tels que l'utilisation des tests génomiques chez les femmes préménopausées avec atteinte ganglionnaire. Enfin, il discute du rôle émergent de l'ADN tumoral circulant comme biomarqueur pronostique et prédictif.

Les données du SABCS 2025 mettent en lumière le rôle croissant de l'ADN tumoral circulant (ADNtc) dans la gestion du cancer du sein. L'ADNtc est désormais utilisé pour guider les décisions thérapeutiques, notamment dans le cancer du sein avancé hormono-sensible. L'essai SERENA-6 a montré que la détection de mutations de ESR1 par l'ADNtc permettait d'adapter la thérapie endocrinienne, améliorant ainsi les résultats cliniques. De plus, dans les stades précoces, l'ADNtc identifie la maladie résiduelle minimale (MRD) et les patientes à haut risque de récidive. Ces avancées positionnent l'ADNtc comme un biomarqueur essentiel pour une oncologie de précision et une adaptation dynamique des traitements.

L'amélioration de la survie des patientes atteintes d'un cancer du sein en âge de procréer met en lumière les défis de l'oncofertilité. La préservation de la fertilité, la gonadotoxicité et la sécurité des grossesses sont des préoccupations majeures qui nécessitent une prise en charge précoce et intégrée au plan thérapeutique. Il est crucial de référer rapidement les patientes pour la préservation de la fertilité sans compromettre les résultats oncologiques. Les thérapies modernes comme les inhibiteurs de PARP, les inhibiteurs de CDK4/6, les anticorps anti-HER2 et les traitements endocriniens posent des questions spécifiques en l'absence de données prospectives sur la fertilité humaine. Une approche précautionneuse est recommandée, incluant la contraception efficace et des périodes de sevrage.

Cette méta-analyse a évalué l'efficacité de la réintroduction des inhibiteurs de CDK4/6 (CDK4/6i) après progression chez des patientes atteintes d'un cancer du sein avancé/métastatique RH-positif HER2-négatif. L'étude a inclus 1396 patientes issues de huit essais cliniques, comparant la réintroduction des CDK4/6i plus thérapie endocrinienne à la thérapie endocrinienne seule. Les résultats ont montré une amélioration significative de la survie sans progression (SSP) médiane de 5,8 mois contre 3,7 mois. Un bénéfice plus important a été observé en cas de changement d'inhibiteur de CDK4/6, notamment avec l'abemaciclib, mais aucun bénéfice en termes de survie globale n'a été démontré.

Le traitement du cancer du sein métastatique (CSM) positif aux récepteurs hormonaux (RH+) et négatif au HER2 (HER2-) a connu une évolution significative, passant de thérapies séquentielles à des stratégies plus personnalisées. Les inhibiteurs de CDK4/6 combinés à l'hormonothérapie constituent toujours le traitement de première ligne standard, améliorant la survie sans progression et parfois la survie globale. L'émergence des conjugués anticorps-médicament (ADC) comme le trastuzumab deruxtecan, le sacituzumab govitecan et le datopotamab deruxtecan transforme le paysage thérapeutique, y compris pour les maladies HER2-low et HER2-ultralow. La thérapie dirigée vers les métastases est également envisagée pour les maladies oligométastatiques ou oligoprogressives, nécessitant une décision nuancée. La prise en charge globale intègre désormais la biologie tumorale, les avancées thérapeutiques et les objectifs de soins définis par le patient.

Cette étude nationale japonaise a résolu le statut de la variante BRCA2 c.7847C>T (p.Ser2616Phe), spécifique à la population japonaise et auparavant de signification incertaine. En intégrant des analyses de coségrégation quantitative, des preuves fonctionnelles robustes et des données de fréquence de population, les chercheurs ont accumulé des preuves solides. L'évaluation a permis de reclasser cette variante comme "Pathogène" selon le cadre ClinGen ENIGMA. Cette reclassification est essentielle pour garantir l'accès des patients japonais éligibles aux thérapies ciblées, notamment les inhibiteurs de PARP.

Cet article présente VBVarSel, un nouvel algorithme de Bayes variationnel recuit conçu pour l'analyse de données de haute dimension. Il vise à surmonter les défis liés à la présence de variables non pertinentes et au choix du nombre de clusters. L'algorithme est particulièrement adapté au sous-typage des maladies et à la découverte de biomarqueurs dans les ensembles de données omiques. Les auteurs démontrent que VBVarSel surpasse les méthodes existantes dans des exemples simulés et biomédicaux réels, notamment pour le sous-typage du cancer.

La biopsie liquide est une approche novatrice en oncologie, offrant une alternative non invasive à la biopsie tissulaire pour le diagnostic et le suivi des patients. Elle utilise des biomarqueurs comme l'ADN tumoral circulant (ADNtc) pour la détection précoce du cancer, la surveillance de la maladie résiduelle minimale (MRM) et le suivi dynamique de la réponse au traitement. Des essais cliniques ont démontré son efficacité pour détecter les récidives plus tôt et guider les décisions thérapeutiques de manière plus précise. Malgré des défis liés à la sensibilité et à la variabilité technique, l'intégration de l'intelligence artificielle et des approches multi-omiques promet d'améliorer ses performances futures.

Cette étude compare les performances de grands modèles linguistiques (LLMs tels que GPT-4.1-mini et Gemini-2.5-Flash) et d'algorithmes d'apprentissage automatique (arbres de décision et XGBoost) pour classer les publications biomédicales selon le système de niveaux de preuve CIViC. Les LLMs ont été évalués avec des stratégies de prompting zéro et few-shot, tandis que les modèles ML ont utilisé des représentations TF-IDF et d'embeddings de mots. XGBoost avec TF-IDF a obtenu la meilleure performance (micro-F1 = 0,83), surpassant les LLMs et les arbres de décision. Tous les modèles ont montré de meilleures performances sur les niveaux de preuve intermédiaires (B à D) et ont eu des difficultés avec les niveaux élevés (A) et inférentiels (E). Les résultats suggèrent que la classification des preuves au niveau de l'abstract est principalement guidée par des indices lexicaux explicites, avec un bénéfice limité des approches LLM autonomes.