CMML2AML : découverte par apprentissage automatique de co-mutations et de mutations simples spécifiques prédictives de la transformation blastique dans la leucémie myélomonocytaire chronique

Pourquoi cela compte pour les personnes atteintes de cancer du sang

La leucémie myélomonocytaire chronique est un cancer sanguin rare qui peut rester stable pendant des années ou basculer soudainement vers une forme agressive ressemblant à une leucémie aiguë. Les médecins ont du mal à prédire quels patients feront cette évolution dangereuse. Cette étude utilise des techniques informatiques modernes pour décrypter des motifs dans l’ADN leucémique, dans le but d’identifier ceux qui sont à plus haut risque afin d’optimiser la planification des traitements, y compris la transplantation de cellules souches.

À la recherche de motifs dans un cancer sanguin complexe

La CMML est un cancer des cellules de la moelle osseuse qui produisent un excès d’un type de globules blancs appelés monocytes. Certains patients vivent de nombreuses années avec une maladie contrôlée, tandis que d’autres progressent rapidement vers une leucémie myéloïde aiguë, dite transformation blastique. Les outils de risque traditionnels examinent des altérations d’un seul gène ou des groupes larges de changements, mais différentes études ont divergé sur l’importance de mutations individuelles. Les auteurs ont supposé que le danger réel pouvait résider non pas dans des altérations isolées, mais dans des combinaisons particulières de mutations agissant ensemble.

Laisser les machines trier les patients selon des signaux génétiques cachés

L’équipe a étudié 605 patients atteints de CMML du Mayo Clinic, puis a vérifié ses résultats chez 501 patients en Italie. Grâce au séquençage de nouvelle génération, ils ont répertorié les mutations sur 47 gènes fréquemment altérés dans les cancers sanguins. Ils ont ensuite construit un système d’apprentissage automatique personnalisé pour regrouper les patients selon les mutations co‑occurrents et la durée pendant laquelle les patients restaient indemnes de transformation blastique. L’algorithme a généré de nombreux arbres de décision simples, chacun divisant les patients en groupes partageant des schémas de mutations, puis a fusionné les groupes similaires en fonction de la concordance de leurs courbes de survie.

Cinq groupes de risque génétique allant de très sûr à très dangereux

L’analyse informatique a révélé cinq clusters moléculaires avec des probabilités de transformation en leucémie aiguë nettement différentes. Un petit groupe avec des altérations du gène PHF6 mais sans altérations d’ASXL1 n’a pratiquement présenté aucune transformation sur plusieurs années, formant un groupe ultra faible risque. À l’autre extrémité, les patients porteurs soit de mutations NPM1, soit d’un couple NRAS et SETBP1, soit d’un couple ASXL1 et BCOR présentaient des taux de transformation extrêmement élevés, approchant 100 % en trois ans. Entre ces extrêmes, d’autres combinaisons, comme ASXL1 avec RUNX1 ou ASXL1 avec TET2, définissaient des clusters à risque élevé et intermédiaire, tandis que les patients dépourvus de ces schémas formaient un groupe de faible risque plus large.

Construire un score simple que les cliniciens peuvent utiliser

Pour transformer ces résultats en outil pratique, les chercheurs ont combiné les mutations simples et les co‑mutations les plus puissantes en un nouveau système de points qu’ils nomment CMML2AML. Ils ont attribué des points selon la force du lien entre chaque motif génétique et la transformation blastique. La mutation NPM1 a reçu le poids le plus lourd, suivie de l’association NRAS avec SETBP1 et de BCOR, avec des poids moindres pour ASXL1 et le couple ASXL1 plus RUNX1. L’addition de ces points a permis de classer les patients en quatre niveaux allant de faible à élevé risque, le niveau le plus élevé présentant près d’une chance sur deux de transformation en un an. Ce même score s’est comporté de façon similaire dans la cohorte italienne, soutenant son utilité potentielle plus large.

Un signal d’alerte particulier : les mutations NPM1

L’un des résultats les plus saisissants concernait NPM1, un gène bien connu dans la leucémie aiguë. Dans cette étude sur la CMML, les mutations de NPM1 étaient rares mais très inquiétantes. Même lorsque le pourcentage de blastes immatures dans le sang et la moelle restait en dessous des seuils standard pour la leucémie aiguë, les patients porteurs de mutations NPM1 évoluaient vers la phase blastique et décédaient plus tôt que les autres. Ces cas étaient souvent dépourvus d’autres mutations à haut risque comme ASXL1 ou RUNX1 et portaient fréquemment des altérations de DNMT3A à la place, ce qui suggère qu’ils représentent un sous‑type génétique distinct qui pourrait mériter d’être traité comme une leucémie aiguë dès sa détection.

Ce que cela signifie pour les patients et la prise en charge

Pour les personnes vivant avec une CMML, ce travail montre que le motif des mutations, et non seulement le nombre de blastes ou une mutation isolée, peut fortement influencer le pronostic. En identifiant des combinaisons dangereuses de mutations et en les intégrant dans le score CMML2AML, l’étude propose une méthode pour repérer les patients nécessitant une surveillance renforcée et une discussion précoce sur la transplantation de cellules souches, ainsi que ceux dont la maladie a peu de risque de se transformer rapidement. Ces résultats devront être confirmés dans d’autres cohortes, mais ils font avancer le domaine vers des recommandations de prise en charge plus précises et basées sur la génétique pour ce cancer du sang difficile à gérer.

Citation: Fathima, S., Rokach, L., Yousuf, M. et al. CMML2AML: machine-learning discovery of co-mutations and specific single mutations predictive of blast transformation in chronic myelomonocytic leukemia. Blood Cancer J. 16, 76 (2026). https://doi.org/10.1038/s41408-026-01491-1

Mots-clés: leucémie myélomonocytaire chronique, risque de transformation blastique, co-mutations, génomique et apprentissage automatique, mutation NPM1