Depuis cinq ans, la recherche en oncologie connaît une accélération spectaculaire autour des tests dits de “biopsie liquide” : des analyses sanguines capables de détecter très précocement plusieurs dizaines de cancers à partir d’un simple prélèvement sanguin.

L’idée paraît presque futuriste, mais elle repose désormais sur des bases scientifiques solides.

Les grandes études qui fondent la révolution des biopsies liquides

Depuis cinq ans, la recherche sur les MCED (Multi-Cancer Early Detection), c’est-à-dire les tests sanguins capables de détecter simultanément plusieurs cancers, est passée du stade expérimental à celui des grandes études cliniques. Deux programmes de recherche jouent aujourd’hui un rôle majeur : PATHFINDER aux États-Unis et NHS-Galleri au Royaume-Uni.

1. L’étude PATHFINDER (États-Unis)

L’étude PATHFINDER constitue l’une des premières validations à grande échelle du test Galleri, développé par la société américaine GRAIL. Son objectif était d’évaluer le comportement du test dans des conditions proches de la pratique clinique, sur plusieurs milliers de personnes ne présentant aucun symptôme particulier.

Les résultats ont été particulièrement encourageants.

Premièrement, lorsque le test détecte un signal de cancer, il est souvent capable d’identifier l’organe d’origine avec une précision suffisante pour orienter rapidement les examens complémentaires. Deuxièmement, une part importante des cancers détectés concernait des localisations pour lesquelles aucun programme de dépistage systématique n’existe aujourd’hui, comme certains cancers du pancréas, du foie ou de l’ovaire. Enfin, malgré la complexité de l’exercice, le taux de faux positifs est resté relativement faible, ce qui est essentiel pour éviter des examens inutiles.

L’étude a également montré que les performances sont déjà très bonnes pour les cancers avancés et s’améliorent progressivement pour les stades précoces. Elle constitue ainsi une première preuve que la détection multicancer par simple prise de sang est scientifiquement crédible.

2. L’étude NHS-Galleri (Royaume-Uni)

L’essai NHS-Galleri représente aujourd’hui l’une des plus grandes expérimentations mondiales dans ce domaine. Conduit par le National Health Service (NHS) britannique, il porte sur environ 140 000 participants, ce qui lui confère une puissance statistique exceptionnelle.

L’ambition de cette étude dépasse la simple validation technique du test. La question posée est beaucoup plus importante :

La détection précoce multicancer permet-elle réellement de diminuer la mortalité par cancer à l’échelle d’une population ?

Autrement dit, il ne suffit pas de détecter davantage de cancers. Encore faut-il démontrer que cette détection précoce améliore effectivement la survie des patients et réduit le nombre de décès. C’est aujourd’hui l’une des questions majeures de l’oncologie moderne, et l’étude NHS-Galleri devrait apporter dans les prochaines années des éléments décisifs.

3. Les études sur l’intelligence artificielle et les signatures biologiques

Au-delà de ces deux grands essais cliniques, un ensemble de travaux de recherche a permis de comprendre pourquoi ces tests deviennent possibles aujourd’hui.

Un simple tube de sang contient des milliards de fragments moléculaires provenant de milliers de tissus différents. Parmi eux se trouvent :

  • des fragments d’ADN tumoral circulant (ctDNA),
  • des protéines anormales,
  • des ARN,
  • des exosomes,
  • des signatures inflammatoires,
  • des modifications épigénétiques comme la méthylation de l’ADN.

Le véritable défi n’est plus de détecter ces signaux mais d’identifier lesquels sont associés à un cancer naissant parmi un immense bruit biologique de fond.

Les études récentes montrent que les algorithmes d’intelligence artificielle sont capables d’apprendre à reconnaître des combinaisons extrêmement subtiles de :

  • profils de méthylation,
  • fragmentation de l’ADN,
  • signatures protéiques,
  • réponses immunitaires.

Certaines équipes utilisent même des architectures inspirées des grands modèles de langage (LLM), appliquées non plus au texte mais au « langage biologique » du vivant. L’IA apprend ainsi à lire les signaux faibles du cancer comme ChatGPT apprend à comprendre les mots et les phrases.

 

Ce que montrent aujourd’hui les résultats

Les études convergent vers plusieurs constats.

La spécificité des tests est déjà très élevée, souvent supérieure à 99 %, ce qui signifie peu de faux positifs. En revanche, la sensibilité dépend fortement du type de cancer et de son stade d’évolution. Pour certains cancers détectés très tôt (stade I), elle peut encore se situer entre 15 % et 30 %, tandis qu’elle atteint fréquemment 80 % à 90 % pour des cancers plus avancés et biologiquement actifs.

Autrement dit :

le très précoce reste aujourd’hui le principal défi scientifique, mais les progrès sont rapides.

 

La conviction qui se dégage

Ces études ne montrent pas seulement l’arrivée d’un nouveau test médical.

Elles illustrent un changement beaucoup plus profond de paradigme.

Pendant un siècle, la médecine du cancer a consisté à chercher une masse visible :

  • à la radiographie,
  • au scanner,
  • à l’IRM,
  • ou lors d’un examen clinique.

Les travaux PATHFINDER, NHS-Galleri et les recherches associées suggèrent une autre approche :

le cancer pourrait être détecté comme une perturbation biologique globale bien avant qu’une tumeur devienne visible.

Le sang devient alors une sorte de miroir moléculaire permanent du corps humain, et l’intelligence artificielle apprend progressivement à interpréter ces signaux invisibles.

C’est probablement cette convergence entre biologie, données massives et IA qui explique pourquoi de nombreux chercheurs considèrent aujourd’hui les biopsies liquides multicancers comme l’une des révolutions médicales les plus prometteuses de la décennie.

 

Le principe : le cancer laisse des traces dans le sang

Même à un stade très précoce, une tumeur libère dans le sang :

  • des fragments d’ADN tumoral (ctDNA),
  • des protéines anormales,
  • des ARN,
  • des exosomes,
  • des signatures immunitaires,
  • et des modifications épigénétiques (méthylation de l’ADN).

Le défi n’est plus seulement de trouver ces signaux — ils sont extrêmement faibles — mais de les distinguer du “bruit biologique” normal.

C’est précisément là que l’IA et le machine learning ont changé la donne.

 

Le tournant scientifique : les tests MCED

Les chercheurs parlent aujourd’hui de MCED (Multi-Cancer Early Detection).

Le test le plus connu est développé par la société américaine GRAIL avec son test Galleri.

L’objectif :
détecter simultanément des dizaines de cancers grâce à un unique échantillon sanguin.

Les versions récentes du test visent environ :

  • 50 à 70 types de cancers détectables,
  • dont beaucoup sont aujourd’hui difficiles à dépister précocement pancréas, ovaire, œsophage, foie,certains cancers digestifs, lymphomes …

 

Ce que les grandes études montrent

1. L’étude PATHFINDER

L’étude américaine PATHFINDER a évalué Galleri sur plusieurs milliers de personnes asymptomatiques.

Résultats majeurs :

  • lorsqu’un signal de cancer est détecté, le test parvient souvent à identifier aussi l’organe d’origine ;
  • une large partie des cancers détectés n’avaient aucun dépistage standard disponible ;
  • le taux de faux positifs est resté relativement faible pour ce type de technologie.

Les performances sont particulièrement fortes pour les cancers avancés, mais progressent rapidement pour les stades précoces.

2. L’étude NHS-Galleri au Royaume-Uni

Le Royaume-Uni mène actuellement l’un des plus grands essais mondiaux :

  • environ 140 000 participants,
  • pilotés par le NHS England,
  • pour tester l’impact réel en santé publique.

L’objectif est historique :
voir si ces tests permettent réellement de réduire la mortalité par cancer grâce à une détection plus précoce.

 

Ce que l’IA apporte réellement

Sans IA, ces tests seraient quasiment impossibles.

Pourquoi ?

Parce qu’un tube sanguin contient :

  • des milliards de fragments moléculaires,
  • provenant de milliers de tissus différents.

L’IA apprend à reconnaître des “empreintes” statistiques extrêmement subtiles :

  • motifs de méthylation,
  • fragmentation de l’ADN,
  • combinaisons protéiques,
  • signatures inflammatoires.

Certaines approches utilisent désormais des modèles inspirés des grands modèles de langage :
ils apprennent le “langage biologique” du cancer.

 

Où en est réellement la fiabilité ?

Il faut être très précis :
nous ne sommes pas encore dans une situation où une prise de sang remplace totalement le diagnostic médical classique.

Aujourd’hui, ces tests :

Fonctionnent déjà relativement bien pour :

  • cancers avancés,
  • cancers agressifs,
  • cancers sans dépistage existant.

Restent plus difficiles pour :

  • les toutes petites tumeurs,
  • certains cancers très localisés,
  • les lésions précancéreuses.

Les chiffres typiques observés

Selon les études :

  • spécificité souvent > 99 %
    (peu de faux positifs),

mais :

  • sensibilité très variable selon le cancer et le stade :
    • parfois 15–30 % au stade I,
    • 80–90 % pour certains stades avancés.

Autrement dit :

Le test devient très puissant lorsqu’une maladie est biologiquement active, mais le très précoce reste le grand défi scientifique.

 

Ce que cela change potentiellement

1. Passage du dépistage “organe par organe”…

Aujourd’hui :

  • mammographie,
  • coloscopie,
  • PSA,
  • scanner pulmonaire,
  • etc.

Demain :
un test sanguin annuel global pourrait détecter simultanément plusieurs dizaines de cancers.

2. Détection des cancers aujourd’hui “silencieux”

C’est probablement l’impact le plus important.

Des cancers comme :

  • pancréas,
  • ovaire,
  • foie,

sont souvent diagnostiqués trop tard.

Les MCED pourraient changer cela.

3. Vers une médecine prédictive

À terme, on pourrait combiner :

  • analyses sanguines,
  • IA,
  • génomique,
  • sommeil,
  • microbiote,
  • imagerie,

pour construire une surveillance dynamique et personnalisée du risque de cancer.

 

Les grandes limites et débats actuels

1. Le risque de surdiagnostic

Détecter très tôt peut conduire à :

  • traiter des cancers très lents,
  • inquiéter inutilement,
  • multiplier les examens invasifs.

2. Le coût

Ces tests restent coûteux :
plusieurs centaines d’euros/dollars actuellement.

3. Validation clinique encore en cours

La vraie question n’est pas seulement :
“Détecte-t-on des cancers ?”

Mais :
“Réduit-on réellement la mortalité ?”

C’est ce que les grands essais internationaux cherchent encore à démontrer.

 

Ce que la science semble montrer profondément

Nous entrons probablement dans une nouvelle phase de la médecine :

Le cancer n’est plus vu uniquement comme une masse visible à l’imagerie,
mais comme une perturbation biologique globale détectable très tôt dans les données du vivant.

Le sang devient une sorte de :

  • miroir moléculaire permanent du corps,
  • et l’IA apprend progressivement à en lire les signaux faibles.

Comme pour les études sur le sommeil, le changement majeur est moins technologique que conceptuel :

Le vivant produit en permanence d’immenses quantités d’informations invisibles à l’œil humain —
et l’IA commence à rendre ces signaux interprétables.