Le projet AI.DReAM, financé par la BPI France, rassemble un consortium de 9 acteurs (GE Healthcare porteur, 4 PME et start-ups, 3 partenaires cliniques, et LITO comme seul laboratoire académique). Le projet vise à accélérer le développement et l’accès au marché d’applications d’Intelligence Artificielle en imagerie médicale. Le rôle de notre laboratoire est d’effectuer les développements méthodologiques nécessaires pour assurer le contrôle qualité, la robustesse des modèles radiomiques (classiques ou profonds) et leur aptitude à produire des résultats fiables sur une grande variété d’images. Pour évaluer nos approches, nous travaillerons avec les partenaires cliniques du consortium, que sont l’AP-HP, Gustave Roussy, et l’Hôpital Saint Joseph à Paris.
Personnes impliquées au laboratoire : Frédérique Frouin, Fanny Orlhac, Irène Buvat (responsable).
Les modèles radiomiques et d'intelligence artificielle seront d'autant plus faciles à appliquer dans un contexte clinique qu'ils sont explicables et dotés d'une estimation de la confiance associée au résultat produit. Nous travaillons donc à l'élaboration de modèles radiomiques interprétables, concevables à partir de données en quantité limitée (à partir de moins d'une centaine de patients), dans le but de mettre en évidence des mécanismes biologiques mal connus ou mal compris à partir des modèles et/ou vérifier les résultats produits par les modèles. En particulier, nous développons ces méthodes dans le contexte de patients traités par radiothérapie pour déterminer si la mise en évidence des sous-régions responsables d'une résistance au traitement ou d'une récidive permettrait de modifier le plan de délivrance de dose pour combattre ces évolutions défavorables.
Personnes impliquées au laboratoire : Fanny Orlhac, Irène Buvat, Frédérique Frouin, Christophe Nioche, Thibault Escobar (doctorant), Hamid Mammar, Laurence Champion, Romain-David Seban, Claire Provost.
Ces travaux sont en partie soutenus par Dosisoft.
Le projet BIOMEDE-IA (2020-2023) a pour premier objectif de prédire par des méthodes d’apprentissage machine les principales mutations génomiques de patients atteints de gliomes infiltrants du tronc cérébral à partir de leurs caractéristiques cliniques et d’imagerie (IRM multi-paramétriques), pour mieux prendre en charge les cas pour lesquels la biopsie n’est pas disponible.
Le projet TIPIT (2020-2023) implique l'U900 Inserm - Institut Curie - PSL (Dir : Emmanuel Barillot), le service d'oncologie thoracique de l'Institut Curie (Chef de service : Nicolas Girard) et notre laboratoire LITO. Il est financé par la Fondation ARC, dans le cadre de l'appel à projet SIGNIT, pour une durée de 3 ans.
Le projet PANACEE (2020-2023) vise à développer des méthodes et un outil permettant, pour un patient atteint de cancer du poumon non à petites cellules et décrit par ses caractéristiques cliniques, biologiques, histologiques ou issues des images médicales (radiomique), d’identifier un petit groupe de malades qui présentent des caractéristiques très similaires, dans une base de référence constituée de patients déjà traités pour la même pathologie.
La Tomographie d'Emission de Positons (TEP) au Fluoro-Deoxy-Glucose (FDG) est bien établie comme méthode non invasive diagnostique et de suivi des patients atteints de lymphome de Hodgkin. Cependant, les images TEP au FDG acquises dans cette indication sont exploitées très simplement, en évaluant l'importance des hyper fixations de FDG et l'évolution de ces hyper fixations dans le temps.
Le projet PRECISION PREDICT (2020-2023) est porté par l'Institut Curie (service d'oncologie thoracique, direction des données, et LITO), et financé dans le cadre du 2ème AAP du Health Data Hub, co-organisé avec le Grand Défi « Amélioration des diagnostics médicaux par l’Intelligence Artificielle », et Bpifrance.
En étroite collaboration avec des radiothérapeutes, nous explorons l'apport de la radiomique dans le contexte de la planification et du suivi des patients traités par radiothérapie et protonthérapie. En particulier, nous tentons de prédire la survenue de récidive, et leur localisation, de façon à pouvoir adapter en amont les plans de traitement pour les éviter ou réduire leur probabilité d'apparition.
Personnes impliquées : Arnaud Beddok (MD, doctorant en Sciences), Valentin Calugaru, Gilles Créhange, Irène Buvat
Nous nous intéressons à la radiomique corps entier pour la stratification des patients atteints de différents types de lymphomes à partir d'examens TEP/TDM au Fluorodeoxyglucose. En particulier, nous avons contribué à la validation de la valeur pronostique d'un biomarqueur radiomique simple, le volume tumoral total métaboliquement actif (TMTV). En outre, nous avons introduit un biomarqueur totalement original qui reflète la dissémination de la maladie, et avons montré non seulement sa valeur pronostique, mais aussi sa complémentarité par rapport au TMTV. Nous validons des méthodes de calcul automatique de ces biomarqueurs pronostiques et cherchons à les compléter de sorte d'améliorer la qualité de la stratification.
Personnes impliquées au laboratoire : Anne-Ségolène Cottereau (MD, doctorante en sciences), Louis Rebaud (doctorant), Kibrom Girum (post-doctorant), Christophe Nioche, Irène Buvat
Ces travaux sont en partie soutenus par Siemens Healthineers et par la commission européen à travers le projet HOLY2020.
Apport de l’analyse radiomique en IRM pour la prédiction de la réponse histologique complète des cancers du sein traités par chimiothérapie néoadjuvante
L’objectif du projet NeoTex est d'améliorer la prédiction précoce de la réponse à la chimiothérapie néoadjuvante de patientes atteintes du cancer du sein localement avancés ou agressifs et de proposer de nouveaux biomarqueurs de réponse en imagerie. Les caractéristiques extraites des IRM réalisées au moment du diagnostic et à mi-parcours sont prises en compte pour la définition de modèles de prédiction, combinant données qualitatives (descripteurs du lexique BI-RADS), quantitatives (caractéristiques radiomiques), données cliniques et histopathologiques.
Personnes impliquées au laboratoire : Caroline Malhaire, Marie-Judith Saint-Martin (doctorante), Fanny Orlhac, Hervé Brisse, Frédérique Frouin
VOCALE est un projet (2018-2022) d’analyse du mouvement des cordes vocales par échographie translaryngée dynamique, mené par le laboratoire en collaboration avec différents services de chirurgie et le laboratoire d’imagerie biomédicale.
Nous participons au projet européen H2020-MSCA-ITN-2017 HYBRID (Healthcare Yearns for Bright Researchers for Imaging Data, 2017-2021) en collaboration avec 10 partenaires émanant d'Allemagne, Autriche, Royaume-Uni, Pays-Bas, Danemark, et Belgique.
La Photo Thérapie Dynamique (PDT) est un traitement localisé utilisant un rayon laser focalisé sur la tumeur. La PDT est basée sur l’activation, par la lumière de longueur d’onde spécifique, d’un photosensibilisateur (PS) localisé préférentiellement dans les cellules tumorales.
LIFEx est un logiciel d'analyse d'images médicales très convivial, et permettant la réalisation d'études radiomiques pour tout type d'images (TEP, IRM, US, TEMP, tomodensitométrie).