Publié le 20 février 2026 14:17:00. Une nouvelle méthode d’analyse basée sur l’intelligence artificielle permet désormais de classer avec précision les tumeurs cérébrales à partir d’un simple prélèvement de liquide céphalo-rachidien, ouvrant la voie à un diagnostic plus précoce et à un suivi moins invasif.
- Des chercheurs ont développé un algorithme d’IA, baptisé M-PACT, capable d’analyser l’ADN tumoral présent dans le liquide céphalo-rachidien.
- Cette approche permet une classification précise des tumeurs cérébrales, même en l’absence de tissu tumoral prélevé chirurgicalement.
- L’étude, menée en collaboration internationale, ouvre des perspectives prometteuses pour le diagnostic précoce et le suivi de l’évolution des tumeurs cérébrales, notamment chez les enfants.
Une équipe de recherche internationale, avec une contribution significative de l’Université de médecine de Vienne, a mis au point une avancée majeure dans le diagnostic et le suivi des tumeurs cérébrales. Cette nouvelle méthode, basée sur l’intelligence artificielle, permet d’analyser le matériel génétique présent dans le liquide céphalo-rachidien (LCR) afin de classer précisément les tumeurs et de surveiller leur progression. Les résultats de cette étude prometteuse ont été publiés dans la prestigieuse revue Nature Cancer.
Au cœur de cette innovation se trouve l’algorithme d’IA « M-PACT » (Méthylation-based Predictive Algorithm for CNS Tumors), qui analyse l’ADN acellulaire – de minuscules fragments de matériel génétique libérés par les cellules cancéreuses dans le LCR. La présence de modèles moléculaires spécifiques dans cet ADN tumoral permet à M-PACT de classer de manière fiable différents types de tumeurs cérébrales, même lorsque les quantités d’ADN disponibles sont infimes. Ce travail a été réalisé grâce à une étroite collaboration entre l’Université de médecine de Vienne, l’hôpital pour enfants St. Jude (États-Unis) et le Hopp Children’s Cancer Center (KiTZ) à Heidelberg.
Jusqu’à présent, le diagnostic des tumeurs cérébrales reposait principalement sur l’analyse de tissus obtenus lors d’interventions neurochirurgicales, une procédure qui n’est pas toujours possible ou qui comporte des risques importants. L’approche développée par ces chercheurs contourne ces difficultés en utilisant le liquide céphalo-rachidien comme source d’ADN tumoral. Grâce à M-PACT, les tumeurs cérébrales peuvent être classées avec une grande précision, même avec de faibles quantités d’ADN tumoral. De plus, la méthode permet de suivre les modifications génétiques et les signatures épigénétiques au cours de l’évolution de la maladie, ouvrant la voie à une surveillance non invasive de la réponse au traitement, des rechutes ou de l’apparition de tumeurs secondaires.
« Notre approche montre qu’un diagnostic moléculaire précis est possible pour la majorité des tumeurs cérébrales pédiatriques, même sans tissu tumoral. »
Johannes Gojo, oncologue pédiatrique, Département de pédiatrie et de médecine de l’adolescence, Université médicale de Vienne et l’un des principaux auteurs de l’étude
Cette avancée pourrait avoir un impact significatif, en particulier pour les enfants atteints de tumeurs difficiles d’accès ou diagnostiquées à un stade précoce. Selon Johannes Gojo : « À long terme, cette technologie ouvre la possibilité de diagnostiquer les tumeurs cérébrales à partir d’un simple échantillon de liquide céphalo-rachidien avant une intervention chirurgicale et de suivre de près et de manière moins invasive l’évolution de la maladie. »
L’étude s’appuie sur l’analyse d’échantillons de liquide céphalo-rachidien provenant de plusieurs centres internationaux et démontre un haut degré de concordance entre la classification basée sur l’IA et les méthodes de référence établies basées sur l’analyse des tissus. Les auteurs soulignent toutefois la nécessité de mener d’autres études cliniques prospectives pour valider cette approche et la traduire en pratique clinique courante.
Source:
Référence du journal:
Smith, KS, et al. (2026). M-PACT exploits cell-free DNA methylomes to enable robust pediatric brain tumor classification. Nature Cancer. DOI: 10.1038/s43018-026-01115-4.