Les métabolites sanguins détectent le cancer colorectal avec 97 % de précision grâce à l'apprentissage automatique

Le cancer colorectal (CCR) est la deuxième cause de décès par cancer dans le monde, pourtant son dépistage précoce reste difficile en raison du caractère invasif et de la complexité des méthodes actuelles, telles que la coloscopie et les tests ADN sur selles. Cette étude visait à déterminer si les profils de métabolites sériques pouvaient constituer une plateforme diagnostique sensible et non invasive, et si leur combinaison avec des données épigénétiques améliorerait significativement la précision.

Les chercheurs ont recruté 715 participants à l'hôpital populaire de Zhuhai (2020–2023), dont 248 patients atteints de CCR confirmé histopathologiquement, couvrant les stades TNM I à IV, et 467 témoins sans cancer confirmés par coloscopie. Les groupes étaient bien appariés pour l'âge, le sexe et l'IMC. Le sang a été prélevé après un jeûne de 12 à 14 heures, et le sérum a été soumis à un profilage métabolomique non ciblé par UPLC couplée à la spectrométrie de masse QTOF. Les données brutes ont été traitées avec XCMS, et les métabolites ont été annotés à partir des bases de données HMDB et KEGG. Après filtrage par contrôle qualité, une analyse OPLS-DA et un test de rang de Wilcoxon (FDR < 0,05, VIP > 1) ont identifié 26 métabolites sériques endogènes significativement dérégulés chez les patients atteints de CCR.

L'analyse d'enrichissement de voies métaboliques a révélé que les métabolites perturbés correspondaient principalement à la biosynthèse des acides biliaires primaires et au métabolisme de la taurine/hypotaurine — des voies connues pour être modulées par le microbiote intestinal et impliquées dans la carcinogenèse du CCR. Ce résultat soutient l'hypothèse selon laquelle le dialogue métabolique hôte-microbiome joue un rôle mécanistique central dans le développement du CCR. Un sous-ensemble de 10 métabolites clés a ensuite été utilisé pour entraîner quatre classificateurs d'apprentissage automatique : Support Vector Machine, Random Forest, XGBoost et Logistic Regression. Les quatre modèles ont affiché des performances exceptionnelles, avec des valeurs AUROC de 0,96 à 0,97 et une précision de classification atteignant 92,5 %, surpassant largement les biomarqueurs conventionnels tels que le CEA et le CA19-9.

Pour évaluer si les données épigénétiques pouvaient améliorer la détection, un séquençage bisulfite ciblé de l'ADN acellulaire (cfDNA) a été réalisé sur un sous-ensemble de 197 échantillons. Un classificateur multi-omique intégrant à la fois les caractéristiques métabolomiques et de méthylation a atteint un AUROC de 0,98 — un gain modeste mais incrémental par rapport à la métabolomique seule. Cela suggère que la métabolomique constitue le signal dominant, la méthylation n'apportant qu'une valeur ajoutée marginale dans cette cohorte.

Le modèle métabolomique a notamment conservé de bonnes performances aux stades précoces du CCR, bien que les analyses de sous-groupes par stade n'aient pas été entièrement détaillées. La grande taille de l'échantillon, la normalisation rigoureuse du contrôle qualité et le recours à plusieurs cadres d'apprentissage automatique renforcent la confiance dans ces résultats. Cependant, une validation externe dans des cohortes multicentriques indépendantes et des études de dépistage prospectives sera indispensable avant toute adoption clinique.