Discipline(s) enseignée(s)

Biologie Médecine et Santé
Sciences et technologies du numérique

Thèmes de recherche

Pour les patients atteints d'un cancer du poumon, l'identification précoce des futurs répondeurs à l’immunothérapie est un enjeu oncologique majeur. Divers biomarqueurs prédictifs ont été identifiés, sans qu'aucun ne soit suffisamment précis à lui seul pour impacter la stratégie thérapeutique. L'objectif de notre étude est de selectionner et combiner ces biomarqueurs hétérogènes (clinique, biologie, imagerie TEP-TDM) et d'utiliser des algorithmes d'apprentissage pour construire des modèles prédictifs plus précis de la réponse à l’immunothérapie. Nous obtenons un modèle puissant (précision=85.5% pour la survie globale à 12 mois). La sélection des biomarqueurs est critique pour éviter le surapprentissage et garantir la robustesse du modèle.