Stratification des résultats des patients atteints de CCR à l'aide de l'IA basée sur le séquençage du génome entier et les informations pathologiques

1. Obtenir le séquençage complet du génome de 12 patients présentant différentes histologies de carcinome rénal
2. Utiliser l'IA pour fusionner les données ADN Données histologiques pixellisées Dicom pour prédire les résultats cliniques
3. Appliquer l'algorithme histologique ainsi obtenu à une cohorte de confirmation de 120 patients issus de la biobanque

Résumé :

Le carcinome rénal est une maladie hétérogène dont les principaux éléments prédictifs sont les données pathologiques (grade et stade) pour les formes localisées, et les données cliniques (état général et analyses sanguines) pour les formes avancées. Bien qu'il s'agisse des meilleures informations disponibles, celles-ci sont très limitées et rudimentaires, et leur valeur prédictive est faible. Notre objectif est de nous appuyer sur les données génétiques obtenues à partir du séquençage du génome entier et de les combiner avec les informations pathologiques à l'aide de l'intelligence artificielle dans un ensemble limité mais représentatif de patients afin d'optimiser la prédiction des résultats cliniques. L'apprentissage automatique ainsi développé sera ensuite testé pour vérifier sa validité sur une cohorte plus large de patients en utilisant leurs informations histologiques pour prédire leurs résultats. L'acquisition d'un pouvoir prédictif permettra d'adapter le traitement des patients afin de maximiser son efficacité et d'éviter tout effet indésirable. Elle contribuera également à fournir un pronostic plus précis, ce qui se traduira en fin de compte par une optimisation des soins.