Immunothérapie : le deep learning à partir des images scanner plus pertinent que celui issu de la biopsie ?
MARDI 15 SEPTEMBRE 2020
Soyez le premier à réagirUne étude rétrospective a montré que le modèle de deep learning d'iBiopsy® pour évaluer un marqueur d’immunothérapie à partir d’images scanner donne de meilleurs résultats que la radiomique issue de la biopsie.
Median Technologies a communiqué le 8 septembre 2020les résultats prometteurs d'une première étude rétrospective sur la mise en œuvre de la plateforme iBiopsy® pour l'identification de patients atteints de cancers à tumeurs solides.
Le mode d'action de l'immuno-oncologie consiste à stimuler le système immunitaire des patients atteints de cancers, afin de susciter une réponse immunitaire détruisant les cellules cancéreuses. En routine clinique, la mise en œuvre de l’immunothérapie repose sur l'identification des patients potentiellement répondeurs, de même que la stratification des patients à inclure dans les essais cliniques afin d'augmenter les chances de succès de mise sur le marché de traitements immuno-oncologiques. Cette identification se fait habituellement aux moyens de biopsies tumorales.
L'étude rétrospective menée par Median Technologies a utilisé les images scanner d'une cohorte de44patients atteints de cancer primaire du foie pour extraire les signatures visuelles et la construction d'un modèle de deep learning optimisant la prédiction de l'infiltration des cellules CD8+dans le micro-environnement tumoral, comparé à son expression préalablement mesurée par biopsie, et pour le modèleprédictif de deep learning d'iBiopsy®. Il a été ainsi démontré que sur cette cohorte,la signature CD8+d'iBiopsy®,comparée à celle obtenue par des méthodes traditionnelles de radiomique,était un meilleur prédicteur du micro-environnement tumoral.
Ces résultats doivent être confirmés sur des cohortes de patients indépendantes plus larges.
Paco Carmine
