Renforcer la stratification du risque de neuroblastome grâce à des algorithmes d'IA 

Le neuroblastome, le cancer solide le plus répandu chez les enfants, nécessite des marqueurs pronostiques plus précis et des outils de prédiction de survie diagnostique améliorés pour affiner la stratification des patients en raison de son comportement clinique diversifié et de sa réponse variable au traitement. Ainsi, des approches innovantes pourraient être particulièrement pertinentes pour les patients à haut risque avec un pronostic défavorable afin de traiter efficacement ces scénarios cliniques complexes.

QP-Insights^® apparaît comme une percée transformatrice, offrant une plate-forme complète de stockage et de gestion des données des patients, y compris les informations cliniques, moléculaires et d'imagerie des patients, tout en intégrant des algorithmes d'IA de pointe utilisés comme systèmes d'aide à la décision clinique pour améliorer les soins aux patients et les résultats du traitement. À cet égard, Quibim a développé une solution pionnière pour la prédiction de la survie globale des patients atteints de neuroblastome, en exploitant la combinaison de données cliniques, moléculaires et radiomiques. Cette solution, validée en externe, montre des résultats prometteurs dans la stratification des patients par rapport aux normes cliniques actuelles.

Un effort de collaboration entre des institutions de recherche et universitaires de premier plan et Quibim a donné des résultats prometteurs en oncologie pédiatrique grâce à un projet européen appelé PRIMAGE. Ce projet s'appuie sur des analyses multi-échelles prédictives in silico pour soutenir le diagnostic et le pronostic personnalisés du cancer, qui sont renforcés par des biomarqueurs d'imagerie. Ce partenariat permet aux cliniciens d’utiliser des outils de pointe pour faciliter la prise de décision clinique, améliorant ainsi les résultats chez les patients atteints de neuroblastome. Quibim, à son tour, renforce sa position de pionnier en proposant des solutions d’imagerie médicale innovantes qui exploitent la puissance de l’intégration de données multi-omiques chez les patients atteints de cancer pédiatrique grâce à des méthodologies avancées d’intelligence artificielle.