Radiomique et stratification des patients : sous-types de maladies 

La stratification des patients fait référence au processus de regroupement des patients en sous-catégories en fonction de caractéristiques communes, telles que des biomarqueurs, des traits génétiques ou la progression de la maladie. Cette approche permet aux cliniciens de personnaliser les traitements, d’améliorer les résultats et d’optimiser l’allocation des ressources dans les soins de santé. 

La radiomique joue un rôle essentiel dans l’amélioration de la stratification des patients en extrayant des informations précieuses des images médicales et en les convertissant en informations exploitables pour le diagnostic, le pronostic et la planification du traitement. 

Qu’est-ce que la radiomique ? 

La radiomique fait référence à l'exploitation de données à partir d'images médicales, et l'application ultérieure de ces données pour améliorer le diagnostic du cancer, le pronostic et l'aide à la décision clinique, dans le but de fournir une médecine de haute précision. En tant qu'approche quantitative de l'imagerie médicale, les techniques de radiomique visent à améliorer les données existantes accessibles aux cliniciens grâce à des analyses mathématiques à la fois avancées et non intuitives.

La radiomique dans la pratique clinique

Dans le domaine du diagnostic du cancer, y compris l’évaluation du pronostic et l’évaluation de la réponse au traitement, L'application de la radiomique repose principalement sur l'hypothèse selon laquelle les images médicales contiennent des informations sur les processus spécifiques à la maladie qui sont inaccessibles lors d'une inspection visuelle conventionnelle des images. En utilisant l'extraction mathématique de la distribution spatiale de l'intensité du signal ainsi que des interrelations entre les pixels, les informations texturales sont quantifiées par des caractéristiques radiomiques grâce à l'utilisation de méthodes basées sur l'intelligence artificielle.

La radiomique transforme les techniques de diagnostic traditionnelles en révélant des modèles cachés et des informations biologiques qui soutiennent les initiatives de médecine de précision, y compris les biomarqueurs de stratification des patients.

Le flux de travail de la radiomique et son application à la stratification des patients 

Le principe de la radiomique est que les données d’imagerie transmettent des informations essentielles sur la physiologie, la biologie, l’hétérogénéité spatiale (habitats) et le comportement de la tumeur qui peuvent ne pas être apparentes lors de l’interprétation clinique et radiologique traditionnelle. Le flux de travail de la radiomique implique la conservation des données d'imagerie et cliniques dans un processus par étapes basé sur le prétraitement des images, la segmentation des tumeurs, l'extraction de caractéristiques, le développement de modèles et la validation :

1. Prétraitement des images 
2. Segmentation tumorale
3. Extraction de caractéristiques 
4. Développement d'un modèle 
5. Validation

La radiomique nécessite donc l'intervention de professionnels issus de divers domaines de la santé, notamment des spécialistes de l'imagerie, des radiologues et des scientifiques des données. La dérivation des caractéristiques se produit à des moments multiples ou uniques et s'applique à l'ensemble du spectre des données d'imagerie.

Les caractéristiques radiomiques sont classées en cinq groupes, notamment les caractéristiques basées sur la forme et la taille, les descripteurs d'histogramme d'intensité d'image, la variation spatiale des descripteurs d'intensité des pixels/voxels, les caractéristiques fractales et les textures tirées des images filtrées.Les informations dérivées des caractéristiques radiomiques peuvent être combinées avec des données cliniques pour développer des modèles de prédiction efficaces ciblant la sélection du traitement et l’évaluation pronostique des résultats cliniques.

Fonctionnalités de Radiomics

Stratification des patients en oncologie

En oncologie, les fonctionnalités de radiomique sont utilisées pour catégoriser les tâches et prédire les résultats cliniques à l'aide d'une évaluation du temps jusqu'à l'événement. L'application de la classification implique la division des groupes étudiés en différentes catégories. Dans les processus cancéreux, les exemples notables de classification comprennent la malignité ou la bénignité, les stades tumoraux, la présence de métastases et le statut génétique.

De plus, les résultats cliniques sont utilisés dans la stratification des patients atteints de cancer en divers groupes en fonction des aspects des risques cliniques, notamment la survie sans maladie et la survie globale, en utilisant l'analyse du temps jusqu'à l'événement. Les modèles de régression et les classifications sont fréquemment appliqués à la modélisation des marqueurs moléculaires, des signatures génomiques, du pronostic de survie, de la différenciation des tissus diagnostiques et de la réponse au traitement.

Progrès en radiomique 

L’augmentation des données sur les patients accessibles au public et des algorithmes d’intelligence artificielle open source a conduit au développement de nouveaux biomarqueurs d’imagerie pronostique et diagnostique multivariés. Ces biomarqueurs peuvent également intégrer des variables cliniques et d’autres caractéristiques multi-omiques dans la prédiction des résultats, la stratification des risques et la planification du traitement de précision du cancer.

En intégrant la radiomique dans la stratification des patients, les cliniciens peuvent affiner leur approche de la médecine personnalisée, en optimisant les plans de soins en fonction des données spécifiques au patient.

Comment les entreprises de radiomique comme Quibim modifient la stratification des patients

Quibim, une société leader dans le domaine de la radiomique, est pionnière dans le développement d'outils basés sur l'IA pour extraire des biomarqueurs d'imagerie et les intégrer dans les flux de travail de la médecine de précision. Par exemple, les contributions de Quibim au projet PRIMAGE démontrent comment les données d'imagerie et les données cliniques peuvent être combinées pour améliorer la stratification des patients en oncologie.

En se concentrant sur les biomarqueurs numériques et les diagnostics compagnons basés sur l’imagerie, Quibim aide les cliniciens à mieux comprendre l’hétérogénéité des tumeurs et à concevoir des thérapies ciblées pour de meilleurs résultats pour les patients.

Radiomique et biomarqueurs cliniques pour la stratification des patients

Les biomarqueurs cliniques et les diagnostics compagnons (CDx) permettent de trouver différents phénotypes de patients comme moyen de stratification des patients. Jusqu'à présent, le développement de nouveaux biomarqueurs et CDx s'est principalement concentré sur des techniques d'analyse d'échantillons biologiques réels, telles que l'hybridation in situ, l'immunohistochimie ou le séquençage de nouvelle génération. En effet, il n'existe qu'un seul diagnostic compagnon en imagerie approuvé par la FDA et il est lié à la quantification de la concentration en fer dans le foie.

Les approches radiomiques de stratification des patients constituent le prochain niveau pour la création de biomarqueurs numériques et de CDx basés sur l'imagerieLes caractéristiques des tissus et des lésions extraites de l’imagerie reflètent leur hétérogénéité architecturale, leur irrégularité et leurs habitats cellulaires, qui sont des facteurs liés à des paramètres cliniques tels que la rechute, la progression et la survie dans les preuves existantes.

Ces développements dans le domaine de l’imagerie aideront également à mieux concevoir de nouvelles études cliniques et à favoriser le développement de thérapies ciblées qui optimisent les interventions pour un patient individuel, augmentant ainsi le succès du traitement du cancer. La stratification des patients basée sur la radiomique accélère la traduction des résultats de la recherche clinique et biomédicale pour de meilleurs soins.

Quibim Dataminer adapté au projet PRIMAGE pour montrer, avec les données d'imagerie et les données cliniques des patients.

Quibim Dataminer adapté au projet PRIMAGE pour montrer, avec les données d'imagerie et les données cliniques des patients.