JFHOD

Introduction

L'adénocarcinome pancréatique (PAC) est une tumeur très hétérogène avec un stroma abondant et des phénotypes histologiques variés ayant une plasticité moléculaire expliquant l’inefficacité de la majorité des traitements anti-tumoraux. Deux sous-types transcriptomiques de cellules tumorales (classique et basal-like) et deux sous-types de stroma («actif» et «inactif») ont été décrits. Le sous-type basal-like et/ou avec un stroma actif étant de plus mauvais pronostic. Ces sous-types pourraient également être prédictifs de la réponse aux différentes chimiothérapies. À ce jour, ils ne peuvent être définis que par RNAseq, soit en utilisant un score binaire (PurIST-ARN) qui n’étudie que les cellules tumorales, soit par des composantes transcriptomiques continues qui évaluent les cellules tumorales et le stroma. Cette dernière approche a d’ailleurs mis en évidence que les tumeurs pouvaient contenir plusieurs sous-types moléculaires concomitants. Le RNAseq est une technique complexe sensible à la quantité et la qualité des échantillons, leur hétérogénéité ainsi que le délai d'analyse limitant son application en routine. Nous proposons une approche utilisant des modèles de deep learning pour prédire les composants tumoraux et leurs sous-types moléculaires de PAC sur des préparations histologiques de routine.

Patients et Methodes

424 lames HES numérisées de 202 PAC réséqués provenant de trois centres avec données cliniques et transcriptomiques ont été utilisées comme cohorte d’entraînement. Trois cohortes de validation ont été utilisées ((i) 250 PAC réséqués d’un 4e centre dont 97 cas avec une correspondance spatiale exacte entre l’HES et le RNAseq ainsi que la numérisation de la totalité des lames tumorales (n=891) ; (ii) 126 PAC réséqués de la cohorte TCGA (HES+RNAseq) ; (iii) 25 biopsies hépatiques de PAC métastatiques (HES+RNAseq)). Les régions tumorales des lames de la cohorte d’entrainement ont été annotées pour développer un modèle de deep learning en plusieurs étapes qui reconnaît le tissu cancéreux, les cellules tumorales et le stroma puis prédit les sous-types moléculaires des cellules tumorales (PurIST-IA) ou les composantes tumorales et stromales, soit au niveau d’une lame entière, soit au niveau de multiples carrés de 112 microns de côté la composant (tuiles). 

Résultats

PACpAInt prédisait correctement le sous-type tumoral sur lame entière (AUC=0,86 et 0,81 dans ces 2 cohortes) et s’améliorait si seuls les cas « purs » (pas de mélange de sous-type) étaient analysés (AUC=0,91 et 0,88) confirmant la limite d’une approche binaire. Des résultats similaires étaient obtenus sur les biopsies (AUC=0,85 et 0,92 sur les cas « purs »). PACpAInt prédisait de façon indépendante la survie sans progression et globale (HR=1.37 [1.16 - 1.62] and HR=1.27 [1.08 - 1.49]). L’analyse de la totalité des lames tumorales de 77 cas prédits « classique » par le RNAseq montrait que seuls 61% étaient en fait diffusément homogènes de sous type classique. Les cas hétérogènes, avec un contingent basal-like, avaient une survie sans progression et globale plus courte (PFS 15 vs 47 mois, p=0.001 ; OS 31 vs 64 mois, p=5e-5). 

PACpAInt permettait également l’analyse de l'hétérogénéité intra-tumorale en prédisant le sous-type moléculaire des cellules tumorales ou du stroma de chaque tuile au sein d’une lame (>6 millions de tuiles analysées). 61% des cas étaient homogènes avec un contingent majoritaire classique (42%) ou basal (19%). 39% des cas n’avaient pas de sous-type propre et pouvaient être considérés soit « hybrides » (10%) avec coexistence des deux contingents basal et classique distincts, soit « intermédiaires » (29%) correspondant à des tumeurs homogènes mais de différenciation intermédiaire entre les deux. Cette classification avait un fort impact pronostique (OS: 45.1 vs 33.0 vs 23.4 vs 13.6 mois, resp. majoritaire classique, intermédiaire, hybride, majoritaire basal ; p< e-12). 

Discussion

Conclusion

Cette étude fournit le premier outil de sous-typage des PAC utilisable largement en pratique clinique, ouvrant la possibilité d'une classification moléculaire utile pour les soins de routine et les essais cliniques.

Remerciements