Les essais cliniques en oncologie contribuent grandement aux avancées dans les traitements contre le cancer et représentent des options thérapeutiques importantes pour les patients. Au Centre Léon Bérard (CLB), 20,1% des patients suivis sont inclus dans un essai clinique, alors qu’en France et dans le monde, on sait que moins de 8% des patients adultes atteints de cancer participent à un essai clinique. Cette faible proportion peut être en partie expliquée par la complexité des critères de sélection des essais, le grand nombre d’essais ouverts aux inclusions, la difficulté d’informer la communauté médicale et les patients de tous les essais existants, ainsi que les modalités d’accès.

Dans le cadre de la Réunion de concertation pluridisciplinaire moléculaire (équipe pluridisciplinaire du CLB dédiée à l’interprétation des analyses moléculaires des tumeurs des patients ainsi qu’à la recherche de traitements personnalisés), plusieurs outils de Trial Matching européens ont été évalués. 19 d’entre eux, accessibles publiquement en Europe, ont été testés et 4 d’entre eux ont été sélectionnés pour une évaluation prospective non interventionnelle réalisée sur une durée de 10 semaines : DigitalECMT, Klineo, ScreenAct et Trialing. 

« Pour cela, nous avons vérifié manuellement l’éligibilité du patient pour chaque essai proposé par les outils en utilisant les comptes-rendus du patient » témoigne Louise Olgiati, data scientist (experte scientifique en données de santé) au Centre Léon Bérard. 

En moyenne, les outils ont proposé 2,19 essais par patient, avec une précision de 33% (environ 1 essai sur 3 proposés par les outils correspondait réellement aux caractéristiques des patients). Toutefois, grâce à ces outils l’offre d’essais cliniques est augmentée pour environ 1 patient sur 4. La principale source d’erreur était le type d’altération moléculaire, et en particulier le variant du gène ciblé par le traitement à l’essai. Ces résultats mettent en évidence un important potentiel malgré une précision encore limitée.

Les auteurs de l’étude ont testé l’utilisation d’un LLM (Large Language Model) pour affiner les résultats des outils de Trial Matching. Les LLM sont des modèles d’intelligence artificielle génératifs qui permettent d’analyser de la donnée en language naturel et de produire une réponse. Dans ce cas, il a été demandé au LLM d’analyser les comptes-rendus moléculaires du programme ProfiLER (cf. ci-dessous) et les descriptions des essais cliniques afin de déterminer l’éligibilité, en particulier sur le type d’altération moléculaire. Cela a permis d’améliorer les performances de la correspondance des essais avec les caratéristiques des patients de 5%.

L’équipe du Centre Léon Bérard se penche désormais sur l’évaluation de l’ajout de LLM aux outils de Trial Matching existant pour d’autres types de comptes-rendus, ce qui pourrait permettre à un plus grand nombre de patients d’avoir accès à des essais cliniques mieux ciblés par rapport à leur type de cancer.