Modellierung des Tumors, um Krebs zu besiegen

Dies ist das ultimative Stadium der prädiktiven und personalisierten Medizin: Herstellung eines digitalen Avatars auf genomischer und biologischer Ebene des Tumors. Die immer noch futuristische Idee dieses ziemlich verrückten Computerobjekts ist dank der Explosion der Erhebung von Gesundheitsdaten für Patienten und der Möglichkeit, diese dank der Algorithmen schnell und effizient zu analysieren, entstanden. Ziel: eine 3D-Modellierung, die sich "wie" Krebs verhält in vivo, um diese oder jene Behandlung zu testen oder sogar neue zu entwickeln. Aber auch um eine positive oder negative Reaktion vorherzusagen und mögliche Widerstände zu identifizieren, die von den verschiedenen Arten von Tumorzellen erworben werden, die alle auf aufeinanderfolgenden Fehlern bei der Replikation der DNA beruhen. Ein neues Forschungsfeld in voller Ausdehnung unter dem unbezwingbaren Schub künstlicher Intelligenz (KI).

Alle großen Krebsbekämpfungszentren in Frankreich haben sich somit an der Ausbeutung von Morbus beteiligt große Datenmengen (Mega-Daten) ihrer Patienten durch die Zusammenarbeit mit auf AI spezialisierten Start-up-Unternehmen: Das Institut Curie in Paris schloss sich daher Owkin und Gustave-Roussy in Villejuif (Val-de-Marne) in Therapanacea an. Sophia Genetics, eine Schweizer Start-up-Pionierin in der Genomanalyse in mehr als 920-Krankenhäusern in 77-Ländern, sammelte Anfang dieses Jahres 77-Millionen-Euro, um ihre Pol-KI zu stärken. Mit einer innovativen Idee: Kombinieren Sie alle Arten verfügbarer Daten (Genomik, radiomic tiefe Datenanalyse der Bildgebung - klinisch, biologisch) in einem einzigen Modell. Das Projekt Pimiento wurde gerade mit Inria (Nationales Forschungsinstitut für Digitalwissenschaften) in Bordeaux gestartet. Das Unternehmen nutzte auch die Gelegenheit, um Thierry Colin, den früheren Teamleiter des Instituts, zu "enttäuschen" und die Modellierungstechnologie übrigens von den im ehemaligen Labor entwickelten Abbildungsdaten zu erwerben.

Daten multiplizieren, um Modelle zu verbessern

"Die Idee von Pimiento besteht darin, das Fachwissen im Bereich der Bildgebung mit der Analyse von Genomdaten zu kombinieren, um ein Werkzeug zu erhalten, das klinisch verwendet werden kann."erklärt der Mathematiker. Das Experiment konzentriert sich vorerst auf den sogenannten nicht-kleinzelligen Lungenkrebs, den dritthäufigsten in Frankreich mit 40 000-Neuerkrankungen pro Jahr. Das Team von Thierry Colin hat Algorithmen für die Bildgebung entwickelt, mit denen die räumliche Entwicklung verschiedener Tumorstrukturen (Nieren, Lungenmetastasen, Meningiome, Gliome) mehr oder weniger fein modelliert werden kann, aber auch die zelluläre Heterogenität. erkennbar aus den Texturdaten des Bildes. Dieses Modell integriert nun Tumorspezifische genetische Daten. "Bei Lungenkrebs werden wir in der Lage sein, die den verschiedenen genetischen Mutationen entsprechende Heterogenität zu verfeinern. Letztendlich erlaubt diese genomisch-radiomische Kopplung, das Ergebnis dieser Tumorheterogenität und die Mutationen, die sie verursachen, zu beobachten. möglicherweise sogar Mutationen der Resistenz gegen bestimmte Behandlungen "Thierry Colin Details.

Das Institut Bergonié in Bordeaux und das Tenon Hospital in Paris sind die ersten Institutionen, die an dem Projekt Pimiento beteiligt waren. Ziel war es, mehr Krebszentren für mehr Daten zu gewinnen. und damit die Modelle zuverlässiger machen. "Es ist eine Frage der Wiederherstellung der Bildgebungsuntersuchungen (Scanner und PETscan) für jeden Patienten vor und zu Beginn der Behandlung sowie der biologischen und klinischen Informationen und der Genomdaten seines Tumors. "Fährt Thierry Colin fort, der bei Sophia Genetics die Radiomics-Stange leitet.

Mathematikern und Informatikern fehlen noch Anfangsdaten

Ein Dutzend Mutationen sind besonders gefragt, weil auf ihnen eine klinische Entscheidungsfindung basiert. "Wir analysieren zunächst die Ergebnisse der genomisch-radiomischen Kopplung, angereichert mit Nebenwirkungen, und führen dann eine neue Bildgebung durch, um das frühe Ansprechen auf die Behandlung zu bewerten. Je mehr Daten wir von einer wachsenden Anzahl von Patienten haben, desto mehr perfektionieren wir das "Lernen" des Algorithmus, so dass genau festgelegt ist, welche Behandlung den Patienten zufolge am effektivsten ist.Thierry Colin Details. Während erwartet wird, dass eine Immuntherapie für Lungenkrebsformen, die eine EGFR-Mutation aufweisen (der Rezeptor ist an der Tumorprogression beteiligt), nur von geringem Nutzen ist, könnte der Algorithmus dennoch die Verwendung in Fällen mit sehr geringer Mehrheit vorschlagen. das er die Wirksamkeit bemerkt haben wird. Ziel ist es, das globale statistische System zu verlassen, um an personalisierten Informationen zu arbeiten. "

Nicht so einfach! Erstens, weil Mathematikern und Informatikern noch keine Anfangsdaten vorliegen, dieser Nerv der Forschung. "Wir haben viele Informationen über das Genom jedes unserer Patienten ... aber weit weniger Patienten als Informationen! Was statistische Probleme aufwirft "erklärt Chloé-Agathe Azencott. Die Bioinformatikerin bei Mines ParisTech und dem Institut Curie fasst ihre Rolle in zusammen "Klinische Probleme in gute Gleichungen übersetzen und lösen". Im Labor für statistisches Lernen und Modellieren biologischer Systeme des Pariser Zentrums gewinnt auch die Idee, Genomdaten und medizinische Bildgebung zu kombinieren, an Boden. "Sie sind jedoch schwer zu kombinieren, um sie effizienter zu gestalten als separate Analysen.", sagt Chloé-Agathe Azencott. "Dazu soll ein Modell ausgeführt werden, das mit Bildpunkten arbeitet und ein anderes mit Genomics. Es kann passieren, dass einer falsch liegt und der andere nicht und umgekehrt. Wenn wir diese Fälle identifizieren können, können wir die beiden Systeme effektiv kombinieren. Gleiches mit klinischen Daten "erklärt sie. In Anbetracht der Komplexität der Tumormechanismen scheint der digitale Avatar als Instrument für die therapeutische Entscheidungsunterstützung noch weit entfernt zu sein. Die Fortschritte sind jedoch manchmal spektakulär, wenn man die mathematische Modellierung des Tumorwachstums durch ein Team von Harvard- und Johns Hopkins-Universitäten in den USA beurteilt. " Modellieren reicht aber nicht aus! Es muss uns gelingen, ein personalisiertes und prädiktives Modell zu erhalten, das klinisch verwendet werden kann ... was viel komplexer ist. "schließt Thierry Colin ab.

Dies ist das ultimative Stadium der prädiktiven und personalisierten Medizin: Herstellung eines digitalen Avatars auf genomischer und biologischer Ebene des Tumors. Die immer noch futuristische Idee dieses ziemlich verrückten Computerobjekts ist dank der Explosion der Erhebung von Gesundheitsdaten für Patienten und der Möglichkeit, diese dank der Algorithmen schnell und effizient zu analysieren, entstanden. Ziel: eine 3D-Modellierung, die sich "wie" Krebs verhält in vivo, um diese oder jene Behandlung zu testen oder sogar neue zu entwickeln. Aber auch um eine positive oder negative Reaktion vorherzusagen und mögliche Widerstände zu identifizieren, die von den verschiedenen Arten von Tumorzellen erworben werden, die alle auf aufeinanderfolgenden Fehlern bei der Replikation der DNA beruhen. Ein neues Forschungsfeld in voller Ausdehnung unter dem unbezwingbaren Schub künstlicher Intelligenz (KI).

Alle großen Krebsbekämpfungszentren in Frankreich haben sich somit an der Ausbeutung von Morbus beteiligt große Datenmengen (Mega-Daten) ihrer Patienten durch die Zusammenarbeit mit auf AI spezialisierten Start-up-Unternehmen: Das Institut Curie in Paris schloss sich daher Owkin und Gustave-Roussy in Villejuif (Val-de-Marne) in Therapanacea an. Sophia Genetics, eine Schweizer Start-up-Pionierin in der Genomanalyse in mehr als 920-Krankenhäusern in 77-Ländern, sammelte Anfang dieses Jahres 77-Millionen-Euro, um ihre Pol-KI zu stärken. Mit einer innovativen Idee: Kombinieren Sie alle Arten verfügbarer Daten (Genomik, radiomic tiefe Datenanalyse der Bildgebung - klinisch, biologisch) in einem einzigen Modell. Das Projekt Pimiento wurde gerade mit Inria (Nationales Forschungsinstitut für Digitalwissenschaften) in Bordeaux gestartet. Das Unternehmen nutzte auch die Gelegenheit, um Thierry Colin, den früheren Teamleiter des Instituts, zu "enttäuschen" und die Modellierungstechnologie übrigens von den im ehemaligen Labor entwickelten Abbildungsdaten zu erwerben.

Daten multiplizieren, um Modelle zu verbessern

Dieser Artikel erschien zuerst auf https://www.sciencesetavenir.fr/sante/cancer/modeliser-la-tumeur-pour-vaincre-le-cancer_132550