Modèles d’apprentissage automatique interprétables utilisant des biomarqueurs sanguins périphériques pour le diagnostic et le pronostic du carcinome épidermoïde glottique du larynx

Pourquoi une simple prise de sang pourrait aider à protéger votre voix

Le cancer glottique du larynx touche les cordes vocales et peut menacer à la fois la parole et la vie, mais il est souvent difficile de le distinguer des troubles vocaux bénins avant la chirurgie. Cette étude examine si les mêmes analyses sanguines de routine que beaucoup de personnes passent avant une intervention ou un bilan peuvent être combinées à des algorithmes informatiques modernes pour repérer plus tôt les tumeurs dangereuses et estimer le pronostic d’un patient après traitement — le tout sans examens complémentaires ni procédures invasives.

À la recherche d’indices de cancer dans des analyses sanguines courantes

Les chercheurs se sont concentrés sur des hommes présentant des problèmes au niveau des cordes vocales, en comparant trois groupes : 124 patients atteints d’un cancer des plis vocaux, 124 patients présentant des lésions bénignes des cordes vocales et 124 volontaires sains. Pour chacun, ils ont recueilli des mesures sanguines standard préopératoires reflétant l’inflammation (comme les numérations de globules blancs), la tendance à la coagulation (comme la fibrinogène et les temps de coagulation) et l’état nutritionnel (comme l’albumine, une protéine sanguine clé). Parce que ces examens font déjà partie des soins hospitaliers de routine, toute découverte serait facile à appliquer largement et à faible coût.

Apprendre aux machines à distinguer le dangereux de l’inoffensif

Pour transformer cette masse de chiffres en indications pratiques, l’équipe a utilisé deux méthodes d’apprentissage automatique populaires, connues sous les noms de Random Forest et XGBoost. Ces programmes apprennent des modèles à partir des données, un peu comme un filtre anti-spam apprend à séparer les courriers indésirables des messages légitimes. Ici, l’objectif était de distinguer le cancer des problèmes vocaux bénins en n’utilisant que les résultats des analyses sanguines. Après entraînement et validation croisée sur la majeure partie des patients, les modèles ont été testés sur un groupe distinct. Le modèle XGBoost, en particulier, a très bien performé, distinguant correctement cancer et non-cancer dans la plupart des cas, avec une mesure de performance (AUC) de 0,93 — élevée pour un test non invasif basé uniquement sur des analyses de routine.

Rendre la boîte noire compréhensible aux médecins

Les modèles informatiques sont souvent critiqués pour leur opacité, mais ce travail a utilisé une méthode appelée SHAP pour montrer quels marqueurs sanguins expliquaient les prédictions. Les signaux les plus importants étaient des mesures liées à la coagulation sanguine et à l’activité immunitaire : l’International Normalized Ratio (INR), la fibrinogène, le temps de thrombine et des ratios comparant différents types de globules blancs (ratios neutrophiles/monocytes et lymphocytes/monocytes). En général, les patients atteints de cancer présentaient davantage de signes d’inflammation et un état propice à la formation de caillots, ainsi que des décalages dans l’équilibre des cellules immunitaires. Les chercheurs ont même conçu un outil visuel de score simple, basé sur les principaux marqueurs, afin que les cliniciens puissent estimer le risque de cancer d’un patient au chevet.

Signaux sanguins qui reflètent l’agressivité de la tumeur

Au-delà du diagnostic, l’étude a cherché à savoir si les marqueurs sanguins reflétaient la dangerosité d’une tumeur. En reliant les résultats sanguins aux détails des comptes rendus anatomopathologiques chirurgicaux, l’équipe a constaté que certains indices combinés — en particulier l’indice immuno-inflammatoire systémique (SII) et plusieurs ratios de numération cellulaire — augmentaient en parallèle avec des tumeurs plus volumineuses, la dissémination aux ganglions lymphatiques et un stade global plus élevé. Un marqueur, le ratio neutrophiles/plaquettes, était fortement associé à l’invasion périneurale par les cellules cancéreuses, une caractéristique préoccupante liée au risque de récidive. Sur une médiane de suivi d’environ quatre ans et demi, les patients présentant des numérations de neutrophiles plus élevées, un ratio neutrophiles/lymphocytes plus élevé et un SII élevé ont eu un pronostic pire, avec davantage de récidives et de décès.

Ce que cela pourrait signifier pour les patients et les cliniciens

En termes simples, cette recherche montre qu’un « instantané » réfléchi du sang d’un patient peut révéler bien plus que ne le suggèrent les rapports de laboratoire de routine. En associant des tests familiers à des outils d’apprentissage automatique interprétables, les médecins pourraient bientôt mieux décider quels patients enroués nécessitent en urgence une biopsie, quels cancers sont susceptibles d’être agressifs et qui pourrait bénéficier d’un suivi plus rapproché ou d’un traitement complémentaire. Bien que l’étude soit rétrospective et limitée à des hommes d’une seule région — ce qui implique qu’elle doit être confirmée sur des populations plus larges — elle décrit une voie pratique et peu coûteuse vers des soins plus personnalisés et fondés sur les données pour les personnes suspectes ou atteintes d’un cancer des cordes vocales.

Citation: Zhang, Y., Yan, X., Li, X. et al. Interpretable machine learning models using peripheral blood biomarkers for diagnosis and prognosis of glottic laryngeal squamous cell carcinoma. Sci Rep 16, 10451 (2026). https://doi.org/10.1038/s41598-026-40074-9

Mots-clés: cancer du larynx, biomarqueurs sanguins, apprentissage automatique, pronostic du cancer, inflammation immunitaire