Quibim dévoile quatre publications sur l'imagerie oncologique à l'ASCO 2025
23 mai 2025, Valence, Espagne/New York, États-Unis/Cambridge, Royaume-Uni - QuibimQuibim, leader mondial des solutions d'imagerie médicale quantitative, a annoncé aujourd'hui la publication de quatre contributions scientifiques lors du congrès annuel 2025 de l'American Society of Clinical Oncology (ASCO). Ces publications présentent les dernières avancées de Quibim en matière de biomarqueurs d'imagerie, d'intelligence artificielle (IA) et de diagnostics compagnons non invasifs pour des soins oncologiques personnalisés.
Publications clés à l'ASCO 2025
- Prédiction de la réponse à l'immunothérapie dans les tumeurs solides avancées à l'aide des caractéristiques d'imagerie quantitative de la TEP/TDM CD8
- Un modèle d'IA automatique pour la détection et la segmentation de la charge tumorale sur l'IRM du corps entier : l'étude DIPCAN
- Prédiction non invasive du PD-L1 chez les patients atteints de CBNPC à l'aide de l'apprentissage profond auto-supervisé 3D et de la radiomique
- DIPCAN, une approche multidimensionnelle de l'oncologie de précision : exploiter les données génomiques, cliniques, pathologiques et radiographiques pour faire progresser le traitement personnalisé du cancer.
Lors de la réunion de cette année, Quibim présentera des données démontrant comment l'analyse d'imagerie et l'IA peuvent affiner la stratification des patients, rationaliser les flux de travail de diagnostic et déduire de manière non invasive des marqueurs moléculaires critiques.
Prédiction de la réponse à l'immunothérapie dans les tumeurs solides avancées à l'aide des caractéristiques d'imagerie quantitative de la TEP/TDM CD8
En collaboration avec ImaginAb, les chercheurs de Quibim ont extrait les caractéristiques radiomiques des scanners TEP/TDM ciblant CD8 afin d'identifier des biomarqueurs prédictifs de la réponse à l'immunothérapie chez les patients atteints de tumeurs solides avancées. L'analyse s'est concentrée sur l'anneau péritumoral, où des signatures spécifiques de texture et d'intensité étaient fortement corrélées aux résultats du traitement. Ces résultats soulignent le potentiel de la radiomique TEP/TDM CD8 pour guider le suivi personnalisé et l'adaptation précoce des schémas d'immunothérapie.
Un modèle d'IA automatique pour la détection et la segmentation de la charge tumorale sur l'IRM du corps entier : l'étude DIPCAN
Menée par Carmen Prieto-de-la-Lastra et al., l'étude DIPCAN présente un modèle basé sur l'IA, entraîné à partir de séquences d'IRM pondérées en diffusion, pour détecter et segmenter automatiquement les lésions primaires et métastatiques sur les scanners corps entier. Ce modèle a atteint une précision et une cohérence supérieures à celles des méthodes semi-automatisées actuelles, promettant de réduire la charge de travail des radiologues, de minimiser la variabilité inter-lecteurs et de débloquer des mesures quantitatives des lésions à grande échelle.
Prédiction non invasive du PD-L1 chez les patients atteints de CBNPC à l'aide de l'apprentissage profond auto-supervisé 3D et de la radiomique
Xavier Rafael-Palou et al. présentent une nouvelle approche non invasive pour prédire l'expression de PD-L1 chez les patients atteints de cancer du poumon non à petites cellules (CPNPC) à l'aide d'examens tomodensitométriques de routine. En intégrant des caractéristiques radiomiques personnalisées à un cadre d'apprentissage profond auto-supervisé en 3D, la méthode a obtenu des performances prédictives élevées sur une cohorte hétérogène de patients atteints de CPNPC en situation réelle, offrant ainsi un outil sans biopsie pour l'aide à la décision thérapeutique et la stratification des patients.
DIPCAN, une approche multidimensionnelle de l'oncologie de précision : exploiter les données génomiques, cliniques, pathologiques et radiographiques pour faire progresser le traitement personnalisé du cancer.
DIPCAN est un projet national espagnol axé sur la numérisation et la gestion globale de la médecine personnalisée en oncologie. Son objectif principal est de catégoriser les patients atteints d'un cancer métastatique grâce au développement d'un algorithme d'intelligence artificielle qui contribue à améliorer la compréhension, le diagnostic et le choix thérapeutique des patients atteints de cancer. Cette étude vise ainsi à simplifier la prise de décision lors de la prise en charge de chaque patient et à proposer un guide de bonnes pratiques en matière de politiques de santé.
« Ces quatre contributions à l'ASCO soulignent l'engagement de Quibim à faire progresser l'oncologie de précision », a déclaré Dr. Ángel Alberich-BayarriFondateur et PDG de Quibim. « Nos partenariats avec des innovateurs comme ImaginAb, combinés à notre expertise interne en IA, ouvrent de nouvelles voies vers des biomarqueurs non invasifs et une analyse d'images automatisée qui, à terme, amélioreront les résultats pour les patients atteints de cancer dans le monde entier. »