Registro de fenotipado de cáncer de hígado (PHELICAR)

El estudio avanzará a través de dos fases distintas.

• La Fase 1 tiene dos etapas principales: la primera etapa identificará fenotipos tumorales únicos basados ​​en la plataforma de fenotipado iBiopsy que extrae firmas basadas en imágenes correspondientes a cada fenotipo individual y evaluará el rendimiento analítico/técnico de la plataforma iBiopsy. El diseño propuesto llenará las lagunas en la caracterización de la lectura analítica en condiciones variables de adquisición de imágenes y la variabilidad repetida en condiciones analíticas idénticas. Una vez que se haya identificado un conjunto de fenotipos tumorales adecuados, se avanzará a la fase de caracterización. Esto se hará mediante la evaluación de un conjunto de datos específico representativo inicial (p. cientos de pacientes) para entrenamiento (para descubrir) y validación (para probar la robustez). La segunda etapa completará una validación biológica/clínica preliminar de los fenotipos anteriores para el diagnóstico y subtipificación de la enfermedad. Esto incluye la investigación de un gran conjunto de datos (p. miles de pacientes) CDR para entrenamiento y validación, utilizando datos de histopatología como estándar de referencia y la optimización de las firmas de imágenes utilizando metodologías de aprendizaje basadas en IA.
• La fase 2 también tiene dos etapas. La primera etapa de la Fase 2 es validar rigurosamente los fenotipos candidatos que emergen de la Fase 1 para el diagnóstico de sujetos con CHC. La segunda etapa de la Fase 2 es validar estos fenotipos candidatos seleccionados para la predicción del resultado. Estas validaciones rigurosas incluyen el uso de grandes CDR de pacientes con HCC (validación biológica/clínica en etapa tardía).

Los sistemas tradicionales de recuperación de imágenes médicas, como Picture Archival Systems (PACS), utilizan datos estructurados (metadatos) o anotaciones de texto no estructurado (informes médicos) para recuperar las imágenes. Sin embargo, el contenido de las imágenes no se puede describir completamente con palabras, y la comprensión de las imágenes es diferente de persona a persona, por lo tanto, el sistema de recuperación de imágenes basado en texto no puede cumplir con los requisitos para la recuperación masiva de imágenes. En respuesta a estas limitaciones, se han desarrollado sistemas CBIR que utilizan características visuales extraídas de las imágenes en lugar de palabras clave. Un resultado importante y útil de estos CBIR es la posibilidad de cerrar la brecha semántica, lo que permite a los usuarios buscar en un repositorio de imágenes características de imagen de alto nivel que permiten la comparación de firmas fenotípicas basadas en imágenes extraídas directamente de la imagen médica de consulta con firmas fenotípicas indexadas. en un registro.

El sistema CBIR de Median Technologies utiliza algoritmos y procesos patentados para decodificar las imágenes al extraer automáticamente cientos de características de imágenes, así como firmas altamente compactas de decenas de miles de parches de imágenes 3D computados en toda la imagen sin necesidad de segmentación previa. Además de perfiles fenotípicos detallados que se pueden correlacionar con perfiles histopatológicos y genómicos y plasmáticos, el sistema genera una firma única para cada placa que proporciona una huella digital del "fenotipo basado en imágenes" del tejido correspondiente. Usando métodos de computación paralelos masivos, los biomarcadores de imágenes y las firmas fenotípicas se extraen de una imagen de destino, luego se organizan en grupos de firmas similares y se indexan para la búsqueda y recuperación en tiempo real en bases de datos sin esquema (NoSQL).