Développement d'un outil basé sur la radiomique pour prédire la réponse pathologique complète (pCR) à la chimiothérapie néoadjuvante dans le cancer du sein

Application ImmunologieOncologie

Le défi

Le cancer du sein reste la principale cause de décès liés au cancer chez les femmes dans le monde, avec 2.3 millions de nouveaux cas et 685,000 2022 décès en XNUMX1Malgré les progrès réalisés en matière de détection et de dépistage précoces, la prédiction des réponses au traitement et de la progression de la maladie reste un défi de taille.2Les oncologues ont du mal à élaborer des plans de traitement en raison des différences entre les patients et les traitements. Cependant, toute approche empirique conduit souvent à des résultats sous-optimaux pour les patients et à des toxicités inutiles. Par exemple, les patients qui pourraient bénéficier de traitements pré-chirurgicaux réduisant la mortalité, comme la chimiothérapie néoadjuvante (NAC), peuvent ne pas être identifiés. Il est donc nécessaire de disposer d'outils prédictifs précis qui peuvent améliorer les résultats des patients en facilitant la personnalisation du traitement tout en minimisant le risque d'effets secondaires.

La solution

Quibim a conclu plusieurs partenariats stratégiques pour développer des modèles basés sur la radiomique utilisant l'imagerie par résonance magnétique (IRM) et l'imagerie par tomographie par émission de positons au fluor-18 fluorodésoxyglucose (18F-FDG-PET) pour prédire la réponse au traitement chez les patientes atteintes d'un cancer du sein. Plus précisément, dans une étude publiée3 L'objectif était de réaliser des analyses radiomiques pour prédire la réponse pathologique complète (pCR) à la NAC, qui sert de marqueur de substitution pour la survie sans maladie à long terme et la survie globale. Les partenaires de Quibim ont soutenu la collecte d'examens IRM et 18F-FDG-PET via leurs réseaux hospitaliers pour former les modèles prédictifs pilotés par l'IA. Ces efforts garantissent des résultats robustes et reproductibles dans tous les contextes cliniques :

  • Segmentation et extraction de caractéristiques:La solution de Quibim permet la segmentation et l'extraction de caractéristiques radiomiques à partir de lésions tumorales mammaires après harmonisation des données afin de standardiser la qualité de l'image entre les centres et les scanners.
  • Modèles prédictifs pour la pCR:Quibim propose un modèle basé sur l'imagerie pour la prédiction de la pCR pour NAC en utilisant des caractéristiques radiomiques extraites de l'IRM et/ou 18F-FDG-PET.

Cet outil basé sur l’IA améliore la prise en charge du cancer du sein en fournissant des capacités prédictives avancées pour les réponses au traitement, tout en standardisant et en guidant le choix des traitements dans les hôpitaux. En améliorant les résultats des patients, il profite non seulement à la pratique clinique, mais soutient également efficacement les stratégies de marketing des médicaments.

241209_Pipeline_du_sein

Résultats

Ces nouveaux outils seront mis en œuvre et intégrés dans Quibim QP-Breast® Ce produit est conçu pour révolutionner la prise en charge du cancer du sein en offrant des capacités prédictives avancées de la réponse au traitement et de la progression de la maladie. Cet outil innovant améliorera considérablement la capacité des oncologues à prendre des décisions thérapeutiques précises et éclairées, en particulier pour les cancers agressifs, pour lesquels des outils d'aide à la décision efficaces sont indispensables. En comblant ces lacunes, QP-Breast® représentera une avancée majeure en oncologie personnalisée.

 

Références

  1. Arnold M, Morgan E, Rumgay H, Mafra A, Singh D, Laversanne M, Vignat J, Gralow JR, Cardoso F, Siesling S, Soerjomataram I. Fardeau actuel et futur du cancer du sein : statistiques mondiales pour 2020 et 2040. Le sein 2022, 66, 15-23.
  2. O'Shaughnessy, JA, Telli, ML, Bardia, A, Krop, I, McGuire, K. Besoins non satisfaits et orientation future du cancer du sein HER2+, En direct 2024, 12
  3. Herrero Vicent, C, Tudela, X, Moreno Ruiz, P, Pedralva, V, Jiménez Pastor, A, Ahicart, D, Rubio Novella, S, Meneu, I, Montes Albuixech, Á, Santamaria, M.Á. et coll. Modèles d'apprentissage automatique et imagerie par résonance magnétique multiparamétrique pour la prédiction de la réponse pathologique à la chimiothérapie néoadjuvante dans le cancer du sein. Cancers 2022, 14, 3508.
Site Web de Quibim
Aperçu de la confidentialité

Lorsque vous visitez un site web, des informations peuvent être stockées dans votre navigateur ou récupérées à partir de celui-ci, généralement sous la forme de cookies. Ces informations peuvent porter sur vous, sur vos préférences ou sur votre appareil et sont principalement utilisées pour s'assurer que le site fonctionne comme vous le souhaitez. Les informations ne permettent pas de vous identifier directement, mais peuvent vous offrir une expérience Web plus personnalisée. Parce que nous respectons votre droit à la vie privée, vous pouvez choisir de ne pas autoriser certains types de cookies. Cliquez sur les différentes catégories pour obtenir plus de détails et modifier nos paramètres par défaut. Toutefois, le blocage de certains types de cookies peut avoir un impact sur votre expérience du site. Vous pouvez trouver plus d'informations, y compris une explication détaillée des cookies, sur notre Politique de cookies.