Description du projet
L’apprentissage profond dans la radiologie du cancer pour prévoir la réponse à l’immunothérapie
L’apprentissage profond est une des branches d’une famille plus large de méthodes d’apprentissage machine reposant sur l’intelligence artificielle. En radiologie du cancer, il permet la caractérisation non invasive du phénotype radiomique de la tumeur entière. Bien que des associations de preuves de principe entre les données radiomiques et la réponse au traitement aient été établies, il est justifié de poursuivre les recherches sur la valeur clinique des données radiomiques. Le projet CANCER-RADIOMICS, financé par l’UE, analysera les données cliniques multicentres, notamment l’imagerie non invasive, les résultats cliniques et la caractérisation biologique approfondie des patients atteints d’un cancer du poumon ou d’un mélanome. L’objectif du projet consiste à développer des biomarqueurs radiomiques d’apprentissage profond pour prédire la réponse au traitement sur la base de l’analyse des données d’imagerie. Il étudiera également dans quelle mesure la radiomique est susceptible d’améliorer la prédiction de la réponse et d’aider à la sélection des patients pour les thérapies anticancéreuses.
Objectif
Artificial Intelligence (AI), deep-learning in particular, is propelling the field of radiology forward at a rapid pace. In oncology, AI can characterize the radiomic phenotype of the entire tumor and provide a non-invasive window into the internal growth patterns of a cancer lesion. This is especially important for patients treated with immunotherapy as, despite the remarkable success of these novel therapies, the clinical benefit remains limited to a subset. As immunotherapy is expensive and could bring unnecessary toxicity there is a direct need to identify beneficial patients, but this remains difficult in clinical practice today. Radiomic biomarkers could address this, as, unlike biopsies that only represent a sample within the tumor, radiomics can depict a full picture of each cancer lesion with a single non-invasive examination. Previous work found significant connections between radiomic data, molecular pathways, and clinical outcomes. However, a direct link between radiomics and immunotherapy response has not yet been established. This project will address this problem by analyzing unique multicentre clinical data, including non-invasive imaging, clinical outcomes, and extensive biologic characterization of patients with lung or melanoma cancer. Specifically, I will develop deep-learning radiomic biomarkers to predict immunotherapy response using baseline (WP1) and follow-up imaging (WP2). I will also investigate if radiomics can characterize underlying biological factors, and, in turn, can be used to improve response predictions (WP3). Successful completion of this proposal will demonstrate the potential of radiomics to help physicians in selecting patients who will likely benefit from immunotherapy, while sparing this expensive and potentially toxic treatment for patients who don't. This work has implications for the use of imaging-based biomarkers in the clinic, as they can be applied noninvasively, repeatedly, and at low additional cost.
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. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences médicales et de la santé médecine clinique oncologie cancer de la peau mélanome
- sciences médicales et de la santé médecine clinique radiologie
- sciences médicales et de la santé médecine fondamentale immunologie immunothérapie
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
ERC-COG - Consolidator Grant
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2019-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
6200 MD Maastricht
Pays-Bas
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.