Le programme ADAPT vise à surpasser le cancer en suivant l'évolution des tumeurs

La caractéristique déterminante du cancer est sa capacité à évoluer sous la pression thérapeutique, en acquérant des mécanismes de résistance qui rendent inutiles des traitements autrefois efficaces. La pratique oncologique actuelle s'appuie largement sur des biomarqueurs statiques — mutations d'un seul gène ou anatomopathologie initiale — qui ne saisissent qu'un instantané de cette complexité. Le programme ADAPT (<i>Advanced Analysis for Precision Cancer Therapy</i>) de l'ARPA-H a été conçu pour combler cette lacune en construisant un système vivant et apprenant, capable de suivre les tumeurs de façon longitudinale et d'ajuster le traitement en quasi temps réel.

Le programme repose sur trois piliers. Premièrement, les équipes dédiées aux biomarqueurs développent des modèles prédictifs dynamiques, interprétables et multimodaux. Ces modèles intègrent le séquençage génomique, la transcriptomique, les données des voies de signalisation protéiques, l'histopathologie, l'imagerie radiologique et l'ADN tumoral circulant (ctDNA) dans des « embeddings » propres à chaque patient — des représentations unifiées en basse dimension qui alimentent les prédictions thérapeutiques en aval. Les méthodes employées comprennent l'attribution de caractéristiques par SHAP, les modèles à base de règles logiques, les réseaux de neurones visibles alignés sur les voies moléculaires connues, ainsi que des outils de transfert d'apprentissage comme OncoPredict et TCRP, qui permettent aux modèles entraînés dans des contextes riches en données de se généraliser à de petites cohortes cliniques. De façon notable, ces modèles sont conçus pour rester fonctionnels même en cas de modalités de données manquantes ou bruitées.

Deuxièmement, ADAPT inaugure un cadre d'essai clinique évolutif enrollant des patients atteints de cancers métastatiques du sein (principalement ER+/HER2−), colorectaux (microsatellite-stables) et non à petites cellules du poumon. Contrairement aux essais conventionnels, ce protocole modulaire et open-source teste plusieurs séquences thérapeutiques au sein d'une plateforme unique, intègre prospectivement des biomarqueurs nouvellement découverts, et recourt à des sous-essais bayésiens adaptatifs de type N-of-one (Bayes-Nano) pour identifier rapidement les associations biomarqueur-médicament prometteuses. Des biopsies liquides sériées et une imagerie réalisées à travers les lignes de traitement génèrent les données longitudinales nécessaires pour détecter les caractéristiques de résistance à mesure qu'elles apparaissent et pour guider les changements thérapeutiques adaptatifs. Chaque bras cancéreux dispose d'une stratégie sur mesure : les patientes atteintes de cancer du sein bénéficient de biopsies sanguines sériées pour guider la sélection de la ligne suivante après progression sous inhibiteurs de CDK4/6 ; les patients atteints de cancer colorectal sont profilés sur trois lignes de traitement avec des « delta biomarqueurs » corrélant les modifications précoces induites par le traitement aux résultats ; les patients atteints de cancer du poumon sous immunothérapie de première ligne sont surveillés par ctDNA/cfDNA et imagerie, les progresseurs entrant dans des sous-essais couplés aux biomarqueurs.

Troisièmement, la plateforme ADAPT TAP (<i>Treatment and Analysis Platform</i>) unifie les opérations de recherche et cliniques. Construite sur la DNAnexus Managed Cloud Platform et la boîte à outils de neuro-imagerie XNAT, TAP offre un stockage multi-omiques évolutif, un contrôle qualité automatisé de l'imagerie, une extraction de caractéristiques à haut débit et un partage de données sécurisé entre établissements. Des délais de traitement stricts imposés aux fournisseurs et une interopérabilité basée sur le cloud garantissent que des résultats interprétables parviennent aux prestataires de soins et aux patients sans perturber les flux de travail cliniques. Une feuille de route réglementaire et de remboursement est également en cours d'élaboration pour soutenir l'adoption clinique durable des biomarqueurs multimodaux.

L'ambition d'ADAPT est considérable : faire de la thérapie anticancéreuse un système en apprentissage continu où les données de chaque patient améliorent la prise en charge des futurs patients présentant des tumeurs similaires. En cas de succès, cette infrastructure pourrait servir de modèle évolutif pour l'oncologie de précision au-delà des trois types de cancers initiaux.