JFHOD

CO.89 - DeepCol, un algorithme basé sur une signature de micro-ARN de la muqueuse colique, pour prédire la réponse aux traitements de première et seconde ligne dans la colite aiguë grave (CAG)

I. Morilla, M. Uzzan, D. Laharie, D. Cazals-Hatem, G. Belleannée, G. Wainrib, Y. Bouhnik, E. Ogier-Denis, X. Treton

Introduction

La colite aiguë grave (CAG) est une complication de la rectocolite hémorragique (RCH) possiblement mortelle. Son traitement médical repose sur les corticoïdes intraveineux en première ligne, puis, en cas de résistance et en l’absence d’indication chirurgicale,  sur une seconde ligne par infliximab ou ciclosporine. Il n’existe aucun biomarqueur prédictif de la réponse aux traitements dans la CAG, or un traitement médical inefficace peut retarder la colectomie et augmenter la morbi-mortalité. Notre objectif était d'identifier les prédicteurs des réponses aux médicaments dans la CAG.

Patients et Methodes

Quarante-sept patients hospitalisés pour un épisode de CAG, bien caractérisés pour leurs réponses aux corticoïdes (14 /47répondeurs), à la ciclosporine (9/15 répondeurs) et à l'infliximab (12/24 répondeurs), ont été rétrospectivement inclus dans deux centres (Beaujon, Clichy et Haut Leveque, Pessac). Des biopsies recto-sigmoïdennes réalisées  avant ou durant les 3 premiers jours de traitement ont été utilisées pour un profil d'expression de microARN par puce microarray (Affymetrix). Une analyse non supervisée par deep-learning (réseaux de neurones) a été appliquée pour identifier les biomarqueurs candidats pour discriminer les répondeurs des non-répondeurs à chaque traitement. Les microARN identifiés ont été testés par qPCR dans une cohorte de validation de 29 patients indépendants, et l'efficacité de l'algorithme de classification a été testée sur cette deuxième cohorte par courbes ROC. Les gènes cibles des microARN associées aux profils de réponses aux médicaments ont été identifiés.

Résultats

Un algorithme basé sur un réseau neuronal approfondi (DeepCol) combinant 9 micro-ARN coliques et 5 valeurs biologiques de routine (Protéine C réactive, Albuminémie, hémoglobine, ferritine et hématocrite) à l'admission a été identifié pour discriminer les répondeurs des non-répondeurs au traitement de première ligne par corticoïdes. Sa performance de prédiction de la réponse aux corticoïdes dans la cohorte de validation était de 93% (AUC = 0,91). Cet algorithme permettait également, à partir de l’expression de 3 micro-ARN muqueux en qPCR dans la cohorte de validation,  de discriminer à l’admission, les futurs répondeurs des non-répondeurs à l'infliximab (84% - AUC = 0,82) et à la cyclosporine (80% - AUC = 0,79), respectivement. L'analyse des gènes cibles associés aux 9 microARN de l’algorithme a mis en évidence des altérations potentielles des voies de la réparation tissulaire et de la prolifération cellulaire, semblant associées aux profils de réponse aux traitements de la CAG.

Discussion

Conclusion

L'algorithme DeepCol est un nouvel outil prédictif des réponses individuelles aux traitements de première et deuxième ligne chez les patients atteints de CAG. Son utilisation en routine sera techniquement possible avec une réponse attendue de l’algorithme en moins de 48h. Sa validation prospective est en cours.

Remerciements