Nous disposons d’outils de plus en plus nombreux et performants pour étudier des marqueurs biologiques : les puces à ADN, qui mesurent simultanément l’expression de dizaines de milliers de gènes à la fois à partir d’un seul prélèvement, ou les tissue-arrays, qui permettent d’étudier l’expression d’un seul gène dans les prélèvements de centaines de patients [ 1]. Très souvent ces marqueurs biologiques sont mesurés pour étudier leur valeur pronostique c’est-à-dire leur capacité à prédire le devenir des malades [ 2, 3]. Dans le cas le plus simple, celui où un marqueur pronostique est soit positif, soit négatif, on comparera l’évolution dans les deux groupes de patients définis par la valeur du marqueur : positif versus négatif. Un marqueur n’est pas pronostique dans l’absolu, il est pronostique pour un risque défini. Par exemple, en cancérologie, un marqueur peut être lié au risque de développer des métastases sans être lié au risque de rechute locale, un autre sera lié à l’ensemble des risques d’évolution de la maladie : rechute locale, à distance ou décès. Dans le contexte d’un essai thérapeutique, on étudie aussi des marqueurs pour évaluer leur capacité à prédire l’effet du traitement étudié dans l’essai. Dans ce cas, on cherche à savoir si la différence d’efficacité entre le traitement étudié et le traitement de référence dépend de la valeur du marqueur (voir Glossaire). Dans le cas simple d’un marqueur positif ou négatif, sa valeur prédictive s’étudie en comparant la différence entre les deux traitements dans les deux sous-groupes de l’essai défini par le marqueur : marqueur positif et marqueur négatif. Malgré le grand nombre d’articles consacrés à leur étude, peu nombreux sont les facteurs dont la valeur prédictive est considérée comme établie. Beaucoup d’investigateurs pensent en effet qu’il suffit de comparer les deux traitements séparément dans chaque sous-groupe, ce qui est une source d’erreur considérable. Ils pensent aussi que si l’une des comparaisons est significative et l’autre non, cela établit la valeur prédictive du marqueur, ce qui est une autre erreur [ 4]. La démonstration de l’effet pronostique d’un marqueur nécessite la comparaison de deux groupes de patients définis par la valeur du marqueur, à traitement constant. La démonstration de l’effet prédictif d’un marqueur nécessite que soit réalisé un essai clinique « randomisé » comparant l’effet de deux traitements. Les données seront analysées en comparant la différence entre les traitements dans les deux sous-groupes définis par la valeur du marqueur.

Nous constatons à l’heure actuelle une augmentation exponentielle du nombre de publications étudiant les marqueurs biologiques, et nombre d’entre elles affichent des résultats significatifs. Ce sont pour la plupart des études rétrospectives qui donnent lieu à des interprétations biologiques a posteriori. Les études actuelles portent toutes sur un petit nombre de patients, expliqué par le coût des puces. L’analyse de petits nombres de patients avec des milliers de variables pour chaque patient pose un problème méthodologique connu sous le nom de la « malédiction de la dimension ». Quelle que soit la technologie (Agilent, Affimetrix, etc.), une fois résolus certains détails techniques (normalisation, filtrages, contrôles de qualité, soustraction du bruit de fond, etc.), le problème se résume à l’exploitation et l’interprétation de l’information concernant l’expression des gènes [ 5]. Nous utiliserons les données publiées sur le cancer du sein pour illustrer notre propos. Dans une étude pionnière, à partir d’une population de 78 patientes sans envahissement ganglionnaire (N-) étudiées au moment du diagnostic, van’t Veer et al. [ 6] ont identifié, parmi 25 000 gènes, 70 gènes dont l’expression est différente chez les patientes ayant développé une métastase à distance dans les 5 ans après le diagnostic et chez les autres patientes.

Si l’on étudie plusieurs marqueurs, et nous avons vu que plusieurs peut vouloir dire des dizaines de milliers, il faut avoir conscience du risque de faux positifs.

Une étude de validation est une étude conçue pour confirmer les résultats d’une étude précédente, dont l’objectif est de réduire la place laissée au hasard et aux éventuels biais [ 10]. Par définition, cette étude est indépendante des données ayant servi à générer l’hypothèse à vérifier. Ainsi les patients de la première étude ne doivent pas faire partie de la seconde étude, cela peut sembler évident cependant cette règle élémentaire n’est pas toujours respectée. Ainsi dans l’étude de van’t Veer, les 70 gènes ont été identifiés dans une population de 78 patientes N- dont 34 patientes ayant eu une métastase à distance, et la validation de cette signature [6] a été faite sur une population incluant 31 des 34 patientes de la première étude [ 11]. Si l’on considère les 180 patientes qui n’étaient pas incluses dans l’étude pilote et pour lesquelles nous connaissons le statut métastatique à 5 ans, nous pouvons calculer les indices de sensibilité et spécificité, correspondant aux proportions de patientes correctement diagnostiquées. Nous constatons que la signature de van’t Veer est un outil très sensible : elle prédit correctement 93 % des cas qui vont métastaser à 5 ans (intervalle de confiance à 95 % : 81 à 99 %) mais peu spécifique : elle identifie seulement 53 % (44 à 61 %) des patientes qui ne vont pas métastaser. Très récemment, une deuxième validation [ 12] a été réalisée sur 307 patientes atteintes d’un cancer du sein sans envahissement ganglionnaire et elle a conduit à des résultats similaires : une bonne sensibilité atteignant 90 % (78 à 95 %) mais une mauvaise spécificité de 42 % (36 à 48 %).

En outre, pour que la validation ait un sens, le marqueur étudié doit être mesuré de la même manière : s’il a été identifié à partir d’une puce à ADN, il faut valider sa valeur pronostique en l’étudiant avec le même type de puce sans changer de technique de mesure [5]. La règle de classement des patients en bon et mauvais pronostic en fonction des résultats du marqueur doit être exactement la même pour la validation que celle qui a été déterminée dans la première étude. Adapter la règle aux nouvelles données est une façon très efficace de piper les dés, c’est pourtant une erreur assez commune. Enfin, il faut montrer que la combinaison de marqueurs ajoute de la valeur pronostique aux variables classiques déjà utilisées en routine clinique. Dans l’exemple du cancer du sein que nous décrivons, à l’heure actuelle, il n’est pas démontré que la signature moléculaire de van’t Veer apporte une nouvelle information par rapport aux facteurs histologiques connus qui sont l’âge de la patiente, le grade de la tumeur, le nombre de ganglions envahis et la présence de récepteurs hormonaux dans la tumeur [5].

Il faut considérer avec prudence les annonces d’identification de signatures moléculaires de bon ou mauvais pronostic déterminées sur quelques dizaines de patients. L’étude de milliers de gènes sur quelques dizaines de patients conduit à des résultats instables et peu reproductibles. Nous attendons beaucoup des nouveaux outils de la génomique qui sont très puissants, mais il faut les évaluer avec rigueur et avancer sur des bases solidement établies.