Description du projet
Un nouveau modèle de diagnostic non invasif du cancer du sein
Les patientes atteintes d’un cancer du sein subissent souvent des biopsies, qui peuvent manquer de précision, sont coûteuses, douloureuses et impliquent des analyses fastidieuses. L’imagerie échographique en mode B constitue une alternative peu coûteuse et non invasive. Des chercheurs de l’Institut de physique pour la médecine de Paris ont développé des techniques quantitatives d’échographie afin de mesurer la rigidité des tissus, l’organisation des fibres et la cartographie vasculaire (facteurs clés pour comprendre le développement des tumeurs). Le projet MUSCAD, financé par le CER, se propose d’exploiter l’apprentissage automatique pour analyser des cartes à plusieurs paramètres générées par des techniques innovantes d’échographie ultrarapide pour le diagnostic non invasif du cancer du sein. Le projet intégrera ces techniques dans un cadre unifié, compilera un vaste ensemble de données cliniques et développera un modèle prédictif de malignité afin d’évaluer les caractéristiques des tumeurs. Cette approche pourrait permettre de réaliser des biopsies virtuelles, améliorant ainsi la précision du diagnostic et le confort de la patiente.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. La classification de ce projet a été validée par l’équipe qui en a la charge.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. La classification de ce projet a été validée par l’équipe qui en a la charge.
Mots‑clés
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thème(s)
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2024-STG
Voir d’autres projets de cet appelRégime de financement
HORIZON-ERC - HORIZON ERC GrantsInstitution d’accueil
75654 Paris
France