[Artificial intelligence, radiomics and pathomics to predict response and survival of patients treated with radiations].

Journal: Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique
Published Date:

Abstract

Artificial intelligence approaches in medicine are more and more used and are extremely promising due to the growing number of data produced and the variety of data they allow to exploit. Thus, the computational analysis of medical images in particular, radiological (radiomics), or anatomopathological (pathomics), has shown many very interesting results for the prediction of the prognosis and the response of cancer patients. Radiotherapy is a discipline that particularly benefits from these new approaches based on computer science and imaging. This review will present the main principles of an artificial intelligence approach and in particular machine learning, the principles of a radiomic and pathomic approach and the potential of their use for the prediction of the prognosis of patients treated with radiotherapy.

Authors

  • R Sun
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France; Département de radiothérapie, Gustave-Roussy Cancer Campus, 94800 Villejuif, France; Faculté de médecine, université Paris-Sud Paris-Saclay, 94270 Kremlin-Bicêtre, France. Electronic address: roger.sun@gustaveroussy.fr.
  • M Lerousseau
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • T Henry
    Department of Radiology and Biomedical Imaging, University of California San Francisco, San Francisco, CA 94143, USA.
  • A Carré
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • A Leroy
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France; TheraPanacea, Paris, France.
  • T Estienne
    Inserm, Radiothérapie Moléculaire, Centre de Vision Numérique, CentraleSupélec, Université Paris-Sud, Université Paris-Saclay, Gustave-Roussy, 94805 Villejuif, France.
  • S Niyoteka
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • S Bockel
    Département de radiothérapie, Gustave-Roussy Cancer Campus, 94800 Villejuif, France; Faculté de médecine, université Paris-Sud Paris-Saclay, 94270 Kremlin-Bicêtre, France.
  • A Rouyar
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • É Alvarez Andres
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France; TheraPanacea, Paris, France.
  • N Benzazon
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • E Battistella
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France.
  • M Classe
    TheraPanacea, Paris, France.
  • C Robert
    Université Paris-Saclay, Gustave-Roussy, Inserm, Radiothérapie Moléculaire et Innovation Thérapeutique, Villejuif, France; Department of Radiotherapy, Gustave-Roussy, Villejuif, France.
  • J Y Scoazec
    Faculté de médecine, université Paris-Sud Paris-Saclay, 94270 Kremlin-Bicêtre, France; Département de biologie et pathologie médicales, Gustave-Roussy Cancer Campus, 94800 Villejuif, France.
  • É Deutsch
    Université Paris-Saclay, institut Gustave-Roussy, Inserm, Radiothérapie moléculaire et innovation thérapeutique, 94800 Villejuif, France; Département de radiothérapie, Gustave-Roussy Cancer Campus, 94800 Villejuif, France; Faculté de médecine, université Paris-Sud Paris-Saclay, 94270 Kremlin-Bicêtre, France.