Decentralized Deep Radiomics: Scaling up the discovery of prognostic and predictive cancer imaging biomarkers from routine clinical data across a network of hospitals
Les avancées génétiques des dix dernières années ont mené au développement de plusieurs thérapies ciblées pour le cancer du poumon, du sein et du côlon. Cependant, plusieurs facteurs limitent l’utilisation optimale de ces innovations, notamment le coût élevé du processus organisationnel associé aux tests moléculaires et leur utilisation tardive dans le parcours du patient. Récemment, la perspective d’obtenir des déclencheurs non invasifs, rentables et opportuns pour le diagnostic et la thérapie est apparue à partir d’une discipline connue sous le nom de radiomique. La radiomique tire parti des avancées en intelligence artificielle (IA) pour l’extraction quantitative de caractéristiques d’imagerie de haute dimension avec des indications prédictives et pronostiques prometteuses. Néanmoins, le manque de preuves issues d’une validation de cohorte suffisamment large, et la transdisciplinarité nécessaire à ce processus, semblent constituer une barrière méthodologique allant de la physique et du traitement de l’imagerie médicale, à l’analyse des mégadonnées en santé (cliniques, biologiques, génétiques et épigénétiques), jusqu’à l’expertise requise en apprentissage automatique et profond. Le projet proposé vise à mettre en œuvre à grande échelle l’écosystème de preuves cliniques d’Imagia, appelé Evidens, afin de permettre une réduction marquée du coût de découverte de biomarqueurs d’imagerie prédictive et pronostique du cancer, en poursuivant et en appliquant des avancées fondamentales en apprentissage automatique, confidentialité des données, informatique distribuée et biostatistique.
Voir la description complète du projet