Génération d'un algorithme d'intelligence artificielle fondé sur l'analyse de la dermatohéliose péricicatricielle du mélanome, en tant que facteur prédictif de la réponse aux anti-PD-1
Génération d'un algorithme d'intelligence artificielle fondé sur l'analyse de la dermatohéliose péricicatricielle du mélanome, en tant que facteur prédictif de la réponse aux anti-PD-1
Promoteur : Nantes University Hospital
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 19 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
Generation of an Artificial Intelligence Algorithm Based on the Analysis of Melanoma Peri-scar Dermatoheliosis, as a Predictive Factor of Response to Anti-PD-1
Generation of an Artificial Intelligence Algorithm Based on the Analysis of Melanoma Peri-scar Dermatoheliosis, as a Predictive Factor of Response to Anti-PD-1
In the last decade, the advent of immunotherapies with inhibitors of immune checkpoints, such as anti-PD-1 and anti-CTLA-4, has revolutionized the treatment of advanced or metastatic melanoma. However, the clinical benefit remains limited to a subset of patients. Identifying the patients most likely to benefit from these novel therapies (and avoiding unnecessary toxicity in non-responding patients) is therefore critical. Previous studies found a significant link between the high mutational load of a tumor (TMB) and its response to anti-PD-1 monotherapy, regardless of the histological type of cancer. Unfortunately, TMB measurement is expensive, and requires extensive sequencing approaches difficult to implement in clinical practice. I have shown that melanomas known to be secondary to mutagenic ultraviolet rays (UVR) often carry a high TMB. The cumulative UVR damage translates into visible stigmas termed "dermatoheliosis" on patients' skin, easy to recognize with the naked eye of the clinician around the scar of the primary melanoma. My project proposes to establish, for the first time, dermatoheliosis as a novel predictive factor of response to anti-PD-1 immunotherapy, to be used within multidisciplinary tumor boards as a powerful decision-support tool to select the best treatment option. Specifically, I will 1) develop, validate and test in a prospective manner, an artificial intelligence (AI)-based algorithm, to assess features of pericicatricial dermatoheliosis based on a collection of photographs obtained from patients with unresectable locally advanced or metastatic melanoma 2) demonstrate the link between dermatoheliosis, TMB, immune and treatment response by characterizing pericicatricial skin single cell transcriptomics, as well as tumor DNA, RNA and host immunological profiles of the patients. This directly accessible, non-invasive, surrogate marker for TMB will be a game changer in clinical practice and will subsequently be translated to other skin cancers.
Au cours de la dernière décennie, l'avènement des immunothérapies avec des inhibiteurs de points de contrôle immunitaire, tels que les anti-PD-1 et les anti-CTLA-4, a révolutionné le traitement du mélanome avancé ou métastatique. Cependant, le bénéfice clinique reste limité à un sous-groupe de patients. Il est donc essentiel d'identifier les patients les plus susceptibles de bénéficier de ces nouvelles thérapies (et d'éviter une toxicité inutile chez les patients non répondeurs). Des études antérieures ont mis en évidence un lien significatif entre la charge mutationnelle élevée d'une tumeur (TMB) et sa réponse à la monothérapie anti-PD-1, quel que soit le type histologique du cancer. Malheureusement, la mesure de la TMB est coûteuse et nécessite des approches de séquençage étendues, difficiles à mettre en œuvre en pratique clinique. J'ai montré que les mélanomes connus pour être secondaires à des rayons ultraviolets (UV) mutagènes présentent souvent une TMB élevée. Les dommages cumulatifs des UV se traduisent par des stigmates visibles appelés « dermatohéliose » sur la peau des patients, facilement reconnaissables à l'œil nu par le clinicien autour de la cicatrice du mélanome primitif. Mon projet propose d'établir, pour la première fois, la dermatohéliose comme un nouveau facteur prédictif de la réponse à l'immunothérapie anti-PD-1, destiné à être utilisé au sein des réunions de concertation pluridisciplinaire comme un outil puissant d'aide à la décision pour sélectionner la meilleure option thérapeutique. Plus précisément, je vais 1) développer, valider et tester de manière prospective un algorithme fondé sur l'intelligence artificielle (IA) permettant d'évaluer les caractéristiques de la dermatohéliose péricicatricielle à partir d'un ensemble de photographies obtenues chez des patients atteints d'un mélanome localement avancé non résécable ou métastatique ; 2) démontrer le lien entre la dermatohéliose, la TMB, la réponse immunitaire et la réponse au traitement en caractérisant la transcriptomique en cellule unique de la peau péricicatricielle, ainsi que l'ADN tumoral, l'ARN et les profils immunologiques de l'hôte chez les patients. Ce marqueur de substitution de la TMB, directement accessible et non invasif, changera la donne en pratique clinique et sera ensuite transposé à d'autres cancers cutanés.
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important : essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.