18/02/2026
Greffe de cellules souches : une IA pour prédire les complications graves
Chirurgie
Chaque année, des milliers de patients bénéficient d’une greffe de cellules souches ou de moelle osseuse, souvent la seule option curative pour des hémopathies malignes. Si la phase aiguë de la transplantation est aujourd’hui mieux maîtrisée, les complications tardives restent un défi majeur. Parmi elles, la maladie chronique du greffon contre l’hôte (GVHc) demeure l’une des principales causes de morbidité et de mortalité après greffe.
demeure l’une des principales causes de morbidité et de mortalité après greffe. La GVHc est une affection immunitaire dans laquelle les cellules du greffon attaquent les tissus sains du receveur. Elle peut toucher plusieurs organes (peau, yeux, bouche, articulations, poumons) et entraîner une altération fonctionnelle sévère, voire le décès. Le plus souvent, la maladie se développe de façon silencieuse, bien avant l’apparition des premiers symptômes cliniques.
Anticiper l’irréversible
Des chercheurs du MUSC Hollings Cancer Center ont cherché à identifier ces signaux précoces invisibles. Leur objectif : prédire le risque futur de GVHc et de mortalité liée à la greffe avant toute manifestation clinique.
« Au moment où la GVHD chronique est diagnostiquée, la maladie évolue souvent depuis des mois, affectant silencieusement l’organisme », explique dans un communiqué de presse la Pr Sophie Paczesny, co-responsable du programme de recherche en biologie et immunologie du cancer à Hollings et co-autrice de l’étude. « Nous voulions savoir s’il était possible de détecter les signes avant-coureurs plus tôt, avant même que les patients ne se sentent malades. » Les résultats de ce travail ont été publiés le 16 février dans le Journal of Clinical Investigation.
IA, biomarqueurs et données cliniques
L’étude repose sur l’analyse de 1 310 patients, issus de quatre études multicentriques. Tous avaient bénéficié d’une greffe de cellules souches ou de moelle osseuse. Des échantillons sanguins prélevés entre 90 et 100 jours post-greffe ont été analysés afin de mesurer sept protéines immunitaires, liées à l’inflammation, à l’activation immune et au remodelage tissulaire.
Ces biomarqueurs ont été combinés à neuf variables cliniques (âge, type de greffe, pathologie initiale, complications antérieures, etc.), issues des registres du Centre international de recherche sur la greffe de sang et de moelle osseuse.
Plusieurs modèles d’apprentissage automatique ont été testés. Le plus performant, basé sur des arbres de régression additive bayésienne, a servi de fondation à l’outil BIOPREVENT, conçu pour estimer le risque futur de GVHc et de mortalité liée à la greffe.
Un signal avant la maladie
Les modèles intégrant biomarqueurs + données cliniques se sont révélés systématiquement supérieurs aux modèles cliniques seuls, notamment pour prédire la mortalité liée à la transplantation. L’outil a ensuite été validé sur une cohorte indépendante, confirmant sa robustesse.
BIOPREVENT permet de classer les patients en groupes à faible et à haut risque, avec des trajectoires cliniques nettement distinctes jusqu’à 18 mois après la greffe. Fait marquant : certains biomarqueurs étaient spécifiquement associés à la mortalité, tandis que d’autres prédisaient préférentiellement l’apparition de la GVHc, suggérant des mécanismes biologiques partiellement distincts.
Afin de favoriser son adoption, BIOPREVENT a été transformé en application web gratuite, permettant aux cliniciens d’entrer les données biologiques et cliniques de leurs patients pour obtenir une estimation personnalisée du risque.
« Il était important pour nous que ce projet ne reste pas un modèle théorique », souligne Pr Paczesny. « Rendre BIOPREVENT accessible gratuitement permet aux chercheurs et aux cliniciens de le tester et d’améliorer la prise en charge. » Pour l’instant, l’outil est destiné à la recherche et à l’évaluation du risque, sans guider directement les décisions thérapeutiques.
Vers une greffe de précision
Cette étude marque une étape clé vers une médecine de précision en transplantation, fondée sur l’intégration des données biologiques et cliniques. Des essais cliniques seront nécessaires pour déterminer si une surveillance ou des interventions précoces chez les patients à haut risque peuvent réellement améliorer leur pronostic.
« Il ne s’agit pas de remplacer le jugement clinique », conclut la Pr Sophie Paczesny, « mais de fournir de meilleures informations plus tôt afin que les cliniciens puissent prendre des décisions plus éclairées. » À terme, BIOPREVENT pourrait transformer le suivi post-greffe. Non plus réactif face aux complications, mais proactif face au risque.
À lire également : Les biomarqueurs sauveront-ils les patients atteints de tumeurs germinales testiculaires réfractaires ?
À propos de l'auteure – Elodie Vaz
Journaliste en santé, diplômée du CFPJ en 2023 Élodie, explore les empreintes que les maladies laissent sur les corps et, plus largement, sur la vie humaine. Infirmière diplômée d’État en 2010, elle a passé douze ans au chevet des patients avant de troquer son stéthoscope contre un carnet de notes. Elle interroge depuis les liens qui unissent environnement et santé, convaincue que la vitalité du vivant ne se résume pas à celle des Hommes.
Source(s) :
Paczesny S, et al. Predicting chronic graft-versus-host disease and transplant-related mortality using immune biomarkers and clinical data: development of the BIOPREVENT model. Journal of Clinical Investigation. 2026 Feb 16; 195228. ;
MUSC Hollings Cancer Center. AI tool predicts severe complications after stem cell transplantation. EurekAlert! News Release. 2026 Feb 16. ;
Dernières revues
Greffe de cellules souches : une IA pour prédire les complications graves
Par Elodie Vaz | Publié le 18 février 2026 | 3 min de lecture<br>
Cancer du pancréas : l’ordre des traitements améliore la survie
Par Elodie Vaz | Publié le 18 février 2026 | 3 min de lecture<br>
