Opis projektu
Nowy model na potrzeby nieinwazyjnej diagnostyki raka piersi
Pacjentki z rakiem piersi często są poddawane biopsjom, które mogą nie być precyzyjne, a przy tym są drogie, bolesne i wymagają czasochłonnej analizy. Tanią, nieinwazyjną alternatywą jest obrazowanie ultrasonograficzne z prezentacją typu B. Naukowcy z Instytutu Fizyki Medycznej w Paryżu opracowali ilościowe techniki ultrasonograficzne do pomiaru sztywności tkanek, organizacji włókien i mapowania naczyń krwionośnych (są to czynniki kluczowe dla zrozumienia rozwoju guza). Celem finansowanego przez ERBN projektu MUSCAD jest wykorzystanie uczenia maszynowego do analizy wieloparametrycznych map generowanych przez innowacyjne ultraszybkie techniki ultrasonograficzne do nieinwazyjnej diagnostyki raka piersi. Zespół połączy te techniki w ujednolicone ramy, skompiluje duży zbiór danych klinicznych i opracuje predykcyjny model złośliwości w celu oceny charakterystyki guza. Pozwoliłoby to na wykonywanie wirtualnych biopsji, a tym samym na poprawę dokładności diagnozy i komfortu pacjentek.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Klasyfikacja tego projektu została potwierdzona przez zespół projektowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Klasyfikacja tego projektu została potwierdzona przez zespół projektowy.
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
75654 Paris
Francja