Vie du laboratoire :
- Le projet INDIGO-Pancréas (Imageries INnovantes pour un DIaGnostic plus précOce du Cancer du Pancréas), porté par le le Dr Cindy Neuzillet, et auquel nous participons, vient d’être financé par l’ARC à hauteur de 650 k€ pour 48 mois. Il s’agit d’étudier le potentiel de l’imagerie TEP-FAPI, du scanner spectral, et de nouvelles séquences d’IRM pour la détection précoce du cancer du pancréas chez des patients à risque, dans le cadre d’un essai clinique déjà validé (essai HoMING). Cf lettre n°139.
- Nouvelle page sur le site Web du laboratoire répertoriant les logiciels que nous mettons à disposition de la communauté, et correspondant à des travaux déjà publiés et dont la valeur ne fera qu’augmenter si nos collègues valident à leur tour nos méthodes, indépendamment de nous : https://www.lito-web.fr/fr/logiciels et https://www.lito-web.fr/en/software
A lire :
- Un article repéré par Fanny concernant le partage de code et de données dans le domaine de l’Intelligence Artificielle en Radiologie : https://pubs.rsna.org/doi/10.1148/ryai.220081
Agenda :
- Jeudi 24 novembre à 13h : Présentation de Julie Auriac sur l’utilisation de l’approche MIIC
- Jeudi 1er décembre à 13h : Présentation FLASH de Christophe Nioche sur les nouveautés LIFEx
- Mercredi 7 décembre à 13h : Présentation de Maria Grazia Ronga du CPO sur son travail de thèse (irradiation FLASH par des électrons à très haute énergie)
- Mercredi 14 décembre à 13h : Présentation de Kibrom Girum sur son projet post-doctoral sur les lymphomes
- Mardi 20 décembre à 13h : Présentation de Nicolas Captier sur son travail de thèse
- Jeudi 5 janvier à 13h : Présentation de Thibault Escobar sur projet sarcomes tissus mous
- Mardi 17 janvier à 17h00 Erwin Woff - Biomarqueurs TEP pronostics et prédictifs pour les patients atteints d’un cancer colorectal métastatique
L’image de la semaine :
- Teaser de l’article à lire indiqué ci dessus : Seulement 1/3 des articles qui indiquent partager leur code fournissent un code réellement utilisable. Si on considère la totalité des articles proposant des modèles d’IA en radiologie (et publiés dans la suite de journaux Radiology), seulement 10% fournissent un code utilisable, et permettent donc à d’autres équipes d’essayer de reproduire les résultats.