Biomarqueurs prédictifs du cancer bronchopulmonaire

« L’apprentissage fédéré est une des grandes promesses de l’IA en santé »

Le projet FEDERATED-PET vise à créer une nouvelle IA pour prédire l'efficacité de l'immunothérapie chez les patients souffrant de cancer bronchopulmonaire métastatique, en employant une nouvelle technique d'entraînement plus sécurisée, l'apprentissage fédéré. Entretien avec ses animateurs, Olivier Humbert, professeur de médecine nucléaire au centre régional de lutte contre le cancer Antoine-Lacassagne (Nice), et Marco Lorenzi, mathématicien chargé de recherche à l’Inria (Sophia Antipolis).

icon réservé aux abonnésArticle réservé aux abonnés
Le 15/03/23 à 8:00, mise à jour le 11/09/23 à 13:23 Lecture 5 min.

Le projet vient de s’ouvrir aux centres participants, et se terminera en décembre 2025, annoncent Olivier Humbert (à gauche) et Marco Lorenzi. D. R.

Docteur Imago / Comment le projet FEDERATED-PET, démarré en novembre 2022, compte-t-il améliorer la prédiction de l'efficacité de l'immunothérapie chez les patients souffrant de cancer bronchopulmonaire métastatique ?

Olivier Humbert / Le projet FEDERATED-PET vise à prédire, avant de mettre en place une immunothérapie, si le patient fait partie des 50 % de patients qui répondront au traitement [1]. L'expression de la cible thérapeutique PDL1, le seul biomarqueur de l’efficacité de l’immunothérapie utilisé en routine aujourd'hui, a beaucoup de faiblesse. Des biomarqueurs TEP peuvent compléter ce biomarqueur biologique, à l'image du volume tumoral de la maladie métastatique, qui a une valeur prédictive très nettement supérieure à celle de l'expression de la cible thérapeutique PDL1 [2]. L'objectif de FEDERATED-PET est de développer une intelligence artificielle capable de chercher sur les images TEP de nouveaux biomarqueurs sans a priori. En sortie, elle créera une combinaison de biomarqu

Il vous reste 86% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

François Mallordy

Bibliographie

  1. Malhotra J., Jabbour S. K., Aisner J. et coll., « Current state of immunotherapy for non-small cell lung cancer », Translational Lung Cancer Research, 2017, vol. 6, n° 2, p. 196-211. DOI : 10.21037/tlcr.2017.03.01.
  2. Seban R.-D., Assie J.-B., Giroux-Leprieur E. et coll., « FDG-PET biomarkers associated with long-term benefit from first-line immunotherapy in patients with advanced non-small celle lung cancer », Annals of Nuclear Medicine, 2020, vol. 34, p. 968-974. DOI : 10.1007/s12149-020-01539-7.
  3. Rieke N., Hancox J., Milletarì F. et coll., « The future of digital health with federated learning », NPJ Digital Medicine, 2020, vol. 3, n° 119. DOI : 10.1038/s41746-020-00323-1.
  4. Ogier du Terrail J., Leopold A., Joly C. et coll., « Federated learning for predicting histological response to neoadjuvant chemotherapy in triple-negative breast cancer », Nature Medicine, 2023, vol. 29, p. 135-146. DOI : 10.1038/s41591-022-02155-w.

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Le fil Docteur Imago

13:31

Un réseau de neurones convolutifs (CNN) a été entraîné à détecter automatiquement les zones floues en mammographie dans des régions pertinentes pour le diagnostic. Ce modèle, s'il était implémenté en pratique clinique, pourrait fournir un retour utile aux MERM afin de réaliser rapidement de meilleures prises de vue qui soient de haute qualité, selon une étude rétrospective.

7:31

Un état de l'art en français sur la biopsie pulmonaire percutanée sous scanner présentant ses indications, ses contre-indications et les bonnes pratiques dans ce domaine a été publié le 14 novembre en accès libre dans le Journal d'imagerie diagnostique et interventionnelle.
20 Nov

16:01

Les séquences ciné en IRM cardiaque reconstruites par apprentissage profond et acquises sur trois cycles cardiaques permettent de réduire le temps d’acquisition de plus de 50 % par rapport à la séquence référence sans apprentissage profond, et le tout sans différence dans la qualité d'image, selon une étude prospective menée sur 55 volontaires sains en IRM 1,5 T.
Docteur Imago

GRATUIT
VOIR