Agendia annonce la validation clinique d’une approche de pathologie numérique alimentée par l’IA

Le test numérique expérimental alimenté par l’intelligence artificielle a montré une forte concordance avec les résultats de MammaPrint dans la cohorte prospective RASTER de 372 patientes atteintes d’un cancer du sein à un stade précoce, avec un suivi médian de 10,3 ans

IRVINE, Californie, et AMSTERDAM--(BUSINESS WIRE)--Agendia, Inc., acteur de premier plan en oncologie de précision dans le traitement du cancer du sein, a récemment présenté, lors du congrès 2026 de l’European Society for Medical Oncology (ESMO) à Madrid, des travaux portant sur une approche de pathologie numérique alimentée par l'IA, actuellement en phase d’étude, pour la signature génomique de récidive MammaPrint ^® , fondée sur 70 gènes. Cette intervention, assurée par Laura van ’t Veer, Ph.D., cofondatrice et directrice de la recherche, a détaillé le développement et la validation clinique d’un algorithme d’apprentissage profond capable de déterminer les catégories de risque MammaPrint (MP) directement à partir d’images de lames entières (WSI) colorées à l’hématoxyline et à l’éosine (H&E). L’entreprise a également présenté deux autres posters avec des données issues de l’étude prospective FLEX (NCT03053193) menée en conditions réelles.

« Dès le départ, les études scientifiques d’Agendia se sont basées sur l'IA, et cette étude illustre encore cette approche », a déclaré le Dr Laura van ‘t Veer. « Pour la première fois, nous présentons des travaux qui vont pouvoir déterminer si l’IA appliquée systématiquement à des images de pathologie générées peut identifier les informations biologiques reflétées par MammaPrint. »

Le modèle de pathologie numérique alimenté par l’intelligence artificielle a été entraîné sur 70 000 images de lames entières (WSI) colorées à l’hématoxyline et à l’éosine (H&E), anonymisées et sous supervision issue de tests de profilage moléculaire (MP). Le processus d’apprentissage profond comprenait la détection des tissus, leur classification et l’extraction de caractéristiques, au moyen de modèles de fondation entraînés par des approches auto-supervisées et supervisées. Le modèle a ensuite généré un score de récidive continu, qui a été dichotomisé en deux groupes : risque élevé (D-High) ou risque faible (D-Low). Les résultats ont été validés à l’aide de données anonymisées portant sur 372 patientes atteintes d’un cancer du sein à un stade précoce, issues de l’étude prospective en vie réelle RASTER, avec un suivi médian de 10,3 ans.

• Le test numérique expérimental a montré une forte concordance avec la méthode MP (r = 0,954), classant 49 % des patientes dans la catégorie « D-High » et 51 % dans la catégorie « D-Low ».
• Les patientes classées dans la catégorie « D-Low » présentaient un taux de survie spécifique au cancer du sein (SSCS) à 10 ans de 98,1 %, contre 86,7 % pour les patientes classées dans la catégorie « D-High » (HR 0,12 ; p < 0,0001).
  • Dans le sous-groupe de 274 patientes présentant des récepteurs aux œstrogènes positifs (RE+) et un statut HER2 négatif, la survie spécifique au cancer du sein (SSCS) à 10 ans était respectivement de 98,1 % contre 84,7 % (HR 0,10).
• Dans l’analyse multivariée, la classification numérique du risque constituait le seul facteur prédictif indépendant de la survie spécifique au cancer du sein (HR 0,084 ; p = 0,0002), dépassant celle des facteurs cliniques. Des résultats similaires ont été observés concernant les intervalles sans récidive à distance.

« Les approches de pathologie numérique alimentées par l’intelligence artificielle peuvent, à l’échelle mondiale, élargir potentiellement l’accès aux informations génomiques des patientes atteintes d’un cancer du sein, en particulier en cas d’accès limité aux analyses génomiques sur tissus », a déclaré le Dr William Audeh, directeur médical chez Agendia. « Ces travaux associent des décennies de recherche en génomique aux capacités émergentes de la pathologie numérique, et témoignent de notre engagement à développer des approches innovantes afin de mieux comprendre la biologie tumorale. »

Pour consulter d’autres données présentées par Agendia lors de l’ESMO, rendez-vous sur la page d'atterrissage d'ESMO 2026.

À propos d'Agendia

Agendia est un leader mondial de l’oncologie de précision, spécialisé dans le cancer du sein à un stade précoce. Les tests génomiques de l’entreprise, MammaPrint et BluePrint, fournissent des informations biologiques essentielles destinées à éclairer les décisions thérapeutiques personnalisées, au bénéfice des patientes et de leurs équipes soignantes. Présente à Amsterdam et à Irvine, Agendia collabore avec des centres d’oncologie universitaires et communautaires dans le monde entier afin de recueillir des données en conditions réelles dans le cadre de l’étude de référence FLEX Study (NCT03053193), le plus grand registre transcriptomique global dans le cancer du sein à un stade précoce.

Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.