Euranova et l’Institut Carnot CALYM s’associent pour améliorer la découverte de biomarqueurs dans le lymphome grâce à l’IA
Le centre privé de recherche et développement (R&D) Euranova, spécialisé dans la science des données et l’IA, et l’Institut Carnot CALYM annoncent une collaboration avec le soutien institutionnel de Roche pour faire avancer la recherche clinique en imagerie médicale, qui se concentrera sur le lymphome folliculaire.
En bénéficiant de la riche expertise médicale et de la base de données de haute qualité de CALYM, la forte expertise d’Euranova en machine learning, en ingénierie des données et en harmonisation des images médicales ouvrira la voie à l’exploration de nouveaux paradigmes pour extraire une radiomique robuste des images médicales sur de grandes cohortes.
L'exploration de nouveaux paradigmes
Euranova, en collaboration avec des chercheurs et des cliniciens de l’Institut Carnot CALYM, vont combiner leur expertise pour développer des modèles prédictifs d’apprentissage profond basés sur ces données. Les données d’imagerie médicale, notamment les coupes histopathologiques 2D ainsi que les images PET-CT 3D, sont essentielles pour le diagnostic et le suivi des patients atteints de lymphome. Bien que l’histopathologie reste la base du diagnostic des lymphomes, les données pathologiques peuvent difficilement être générées par des procédures automatisées car elles consistent en des images nécessitant une interprétation subjective par les pathologistes. Cela entrave la reproductibilité des résultats pathologiques, y compris le typage des lymphomes, et peut donc fortement affecter la gestion des patients atteints de lymphomes.
La collaboration entre l’Institut Carnot CALYM et Euranova vise à relever ces défis en développant des solutions d’IA de pointe pour aider les médecins dans leurs décisions thérapeutiques.
L’amélioration de la qualité des images générées par la TEP-TDM et l’analyse histopathologique et la résolution du problème de la variabilité technique ont été identifiées comme un besoin important dans le flux de travail thérapeutique.
Témoignages
« Grâce à des données robustes issues d’images histopathologiques 2D et d’images TEP-CT 3D collectées pour des patients atteints de lymphome folliculaire, en partageant avec les données cliniques, nous visons à construire un modèle prédictif de résultat disponible au moment du diagnostic et donc à adapter potentiellement la stratégie de traitement en fonction du niveau de risque de rechute défini par IA », explique le Dr Cédric Rossi, hématologue clinicien au CHU de Dijon, membre du LYSA et co-investigateur de cette recherche.
Juliette Spinnato, chef de projet chez Euranova, déclare :
« Les technologies de l’IA nous aideront à générer des images et des caractéristiques harmonisées à travers les cohortes, à améliorer la performance des modèles prédictifs et à identifier la radiomique fiable pour soutenir les médecins au profit des patients. Nous sommes convaincus que ce projet constitue un grand pas en avant dans la compréhension du diagnostic et du pronostic des patients atteints de lymphome. »
Pour mener ce projet, l’Institut Carnot CALYM partage l’expertise médicale du LYSA, et donne accès à sa base de données riche et de qualité, sur le Lymphoma Data Hub.
« Soutenant les besoins de nos entités pour développer des projets de recherche de pointe en IA, nous avons mis en place un Lymphoma Data Hub pour rassembler et sécuriser les données pour la recherche collaborative. Les données multicentriques générées par les essais cliniques sponsorisés par LYSARC permettent au groupe d’aborder le principal problème de la caractérisation des lymphomes et de l’investigation des traitements, qui est de nécessiter l’analyse de données de sources et de natures multiples.«
Emmanuel Gomez, Directeur de la Recherche et du Développement de l’Institut Carnot CALYM.
Des modèles de deep learning visant à prédire la progression de la maladie
Grâce à la base de données de l’Institut Carnot CALYM, composée de cohortes multicentriques, Euranova aura l’opportunité de développer et d’évaluer son algorithme d’harmonisation basé sur des technologies d’IA de pointe pour construire une base de données fiable.
Euranova développera ensuite des modèles de deep learning visant à prédire la progression de la maladie afin d’aider les médecins dans leurs décisions. Les principaux défis de ce projet consistent à identifier de nouvelles radiomiques robustes et à utiliser des approches multimodales pour améliorer les performances des modèles.
« Nous considérons l’IA comme une approche prometteuse pour renforcer la fiabilité de ces deux outils de diagnostic cruciaux, et donc améliorer la prise en charge thérapeutique des patients atteints de lymphome« .
Dr Luc Xerri, pathologiste de l’Institut Paoli Calmettes (IPC) à Marseille et professeur à Aix-Marseille Université, membre du LYSA, et co-investigateur de cette recherche.
