Projektbeschreibung
Neues Modell für die nicht-invasive Brustkrebsdiagnostik
Brustkrebspatientinnen unterziehen sich häufig Biopsien, die womöglich nicht präzise genug, kostspielig und schmerzhaft sind und zeitaufwändige Analysen erfordern. Die B-Mode-Ultraschallbildgebung ist eine kostengünstige, nicht-invasive Alternative. Forschende am Institut für Physik der Medizin in Paris haben quantitative Ultraschallverfahren zur Messung der Gewebesteifigkeit, der Faserorganisation und der Gefäßkartierung (Schlüsselfaktoren zum Verständnis der Tumorentwicklung) entwickelt. Ziel des ERC-finanzierten Projekts MUSCAD ist es, maschinelles Lernen zur Analyse multiparametrischer Karten zu nutzen, die mit innovativen ultraschnellen Ultraschallverfahren für die nicht-invasive Brustkrebsdiagnose erstellt werden. Das Projektteam wird diese Verfahren in einen einheitlichen Rahmen integrieren, einen großen klinischen Datensatz zusammenstellen und ein prädiktives Modell der Malignität zur Bewertung von Tumoreigenschaften entwickeln. So könnten virtuelle Biopsien möglich sein, die die diagnostische Genauigkeit verbessern und das Wohlbefinden der Patientinnen erhöhen.
Ziel
Tumour development follows a diversity of complementary biological pathways, including the modification of the tissue structure and vascularization, which are not currently captured by imaging techniques in the clinic. Breast cancer patients undergo a series of imaging sessions using complementary modalities, including ionizing mammographies. In many cases, this imaging is not precise enough for a diagnosis, so that tissue samples in the form of biopsies are used to further characterize the tumour and determine the appropriate treatment. Beyond the pain and stress associated with biopsies, this complex process is costly and time consuming, and delays the time to diagnosis.
Ultrasound B-mode imaging is largely used in the diagnostic process of breast cancer, in part because it is low cost, portable and largely available, as well as non-ionizing and non-invasive. Our laboratory, Institute Physics for Medicine Paris has recently developed several quantitative techniques allowing for the measurement of tissue stiffness, fiber organization, and vascular mapping, all relevant to tumour development. In this project, I propose a new approach to diagnosing breast cancer non-invasively by applying machine learning analysis to rich volumetric multiparametric maps of complementary tumour aspects, obtained using these innovative ultrafast ultrasound techniques. The project will tackle the technological challenge of integrating these techniques into a common acquisition and analysis framework, and include the collection of a large clinical dataset and the development and validation of a predictive malignancy model informing on tumour characteristics for the diagnosis. This approach will open the door to fully virtual biopsies, impacting society on a large scale in terms of cost, diagnostic efficacy, and patient comfort.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Das Projektteam hat die Klassifizierung dieses Projekts bestätigt.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Das Projektteam hat die Klassifizierung dieses Projekts bestätigt.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2024-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC -Gastgebende Einrichtung
75654 Paris
Frankreich