Doelstellingen
Ce projet cible le carcinome séreux de haut grade de l'ovaire (HGSOC), qui se présente souvent à un stade avancé avec une réponse variable à la chimiothérapie néoadjuvante (NACT) suivie d'une chirurgie primaire différée (DPS). Malgré les traitements actuels, 39 % des patientes n'en tirent aucun bénéfice, soulignant la nécessité de meilleures approches thérapeutiques.
Le projet reconnaît la complexité du HGSOC, de ses volumes tumoraux métastatiques à la diversité génomique. L’objectif est d'améliorer les soins en identifiant des sous-populations avant traitement, notamment celles qui ne répondent pas à la NACT et qui pourraient bénéficier d'une chirurgie immédiate.
Contrairement aux études prédictives basées sur des données uniques comme l'imagerie CT, ce projet vise à utiliser des données multi-omiques (cliniques, chimiothérapie, CA-125, ctDNA, radiomiques) pour prédire la réponse volumétrique à la NACT.
OCAS s'articule autour de trois composantes principales :
- Développement d'un système d'autosegmentation : Utilisation de l'apprentissage profond sur des images annotées pour identifier les régions carcinomateuses, permettant une détection précoce des tumeurs et des stratégies personnalisées.
- Extraction de données radiomiques et pathomiques : Analyse des images segmentées pour obtenir des biomarqueurs précis et améliorer les pronostics et réponses au traitement.
- Identification de clusters distincts : Application de techniques d'apprentissage pour identifier des sous-groupes de patientes HGSOC, facilitant la médecine de précision.
Le projet OCAS vise à personnaliser les traitements et améliorer les résultats cliniques des patientes atteintes de HGSOC, marquant une avancée dans les soins contre le cancer.