Avatars humains numériques multi-omiques du cancer du poumon pour l'intégration de la médecine de précision dans la pratique clinique (LANTERN)

Recrutement des patients et collecte de données omiques L'objectif de ce WP est de recueillir des informations à partir de toutes les sources de données cliniques et omiques considérées comme cliniquement significatives pour l'aide à la décision dans le processus complet de diagnostic et de traitement du cancer du poumon. Un système terminologique structuré sera développé pour la collecte prospective de données à travers des formulaires de rapport de cas (CRF) spécifiques.

Les patients seront recrutés par les centres de recrutement dédiés à la recherche et les données obtenues à partir des cinq variables basées sur les omiques seront collectées et enregistrées dans une base de données sécurisée.

Archivage des données omiques et inter-actionabilité L'objectif principal de ce WP est de permettre l'intégration complète des données dans les systèmes d'archivage existants et nouveaux et d'assurer une utilisation et un partage faciles et efficaces des données omiques collectées.

Toutes les données collectées représentant les différents domaines omiques considérés seront enregistrées selon une ontologie commune partagée. L'ontologie générale partagée représentera un système terminologique structuré pour l'archivage et l'analyse des données où tous les différents domaines omiques seront enregistrés dans un eCRF spécifique, assurant la cohérence de toutes les variables de données collectées. Enfin, les données liées aux omiques collectées seront ensuite soumises à une analyse radiomique et les caractéristiques radiomiques seront ensuite extraites.

Modélisation de données omiques, création et validation d'avatar humain numérique (DHA)

Ce WP se concentre sur le développement de modèles prédictifs précis (par la création d'avatars humains numériques (DHA)) et sur leur validation. L'objectif de ce WP est d'identifier des biomarqueurs primaires efficaces, de les harmoniser grâce à des modèles statistiques compacts et de créer ensuite des DHA spécifiques au patient qui seront uniques à chaque patient. Nous prévoyons d'intégrer toutes les données omiques susmentionnées dans des modèles prédictifs qui constitueront la base d'un système d'aide à la décision intégré entièrement personnalisé et innovant pour le cancer du poumon. Ce WP est divisé en trois phases :

Phase 1 : Identification et sélection des caractéristiques Omics Phase 2 : Développement du modèle prédictif et création du DHA Phase 3 : Modèle prédictif et validation du DHA

Identification et sélection des fonctionnalités Omics :

Dans la première étape, une analyse exploratoire de tous les ensembles de données collectés à partir d'une estimation de ≈ 240 patients NSCLC permettra de démarrer le processus d'identification des biomarqueurs et de limiter la quantité d'informations vers un pool plus sélectionné de biomarqueurs potentiels. Cette première phase utilisera des techniques d'analyse de données robustes afin d'identifier les variables pertinentes dans un cadre univarié, en tenant compte des distributions statistiques individuelles, des corrélations pertinentes pour les caractéristiques et des statistiques descriptives générales.

Développement de modèles prédictifs et création de DHA :

L'objectif de la deuxième phase est de créer plusieurs modèles multivariés distincts mais modulaires qui seront formés à l'aide de techniques avancées d'apprentissage automatique et d'intelligence artificielle, segmentés en domaines d'intérêt modulaires spécifiques et la création ultérieure du DHA. Différents modèles supervisés seront développés, notamment la régression logistique, l'arbre de décision, la machine à vecteurs de support, la forêt aléatoire, le classificateur XGBoost et les réseaux de neurones artificiels. La validation croisée k-fold sera utilisée pour le réglage des hyperparamètres et la comparaison de la signification statistique des performances des modèles ML sera effectuée. Ceci sera fait pour évaluer les performances prédictives basées sur l'exactitude (nombre de sujets correctement classés sur le nombre total de patients) et la précision (vrais positifs sur le total des tests positifs, rappel (sensibilité), score F1 (2*précision*rappel/(précision +rappel)) et AUC-ROC.

La création de DHA impliquera l'intégration d'algorithmes spécifiques dans le pipeline d'extraction de données pour nettoyer et restructurer le flux de données, tout en appliquant des technologies d'exploration de texte et de traitement du langage naturel aux textes non structurés. Les résultats de ce prétraitement seront ensuite recodés via une ontologie spécifiquement assignée pour révéler les doublons. Cela conduit à la création de datamarts qui seront mis à jour en continu et automatiquement avec de nouvelles données. Sur la base des données disponibles déjà traitées, l'algorithme développé et son infrastructure sous-jacente seront utilisés pour classer les entrées de données patient nouvellement mises à jour par les cliniciens utilisant l'interface. Les données résultantes présentées via l'interface dynamique permettent l'exploration approfondie des données patient précédemment ajoutées déjà présentes dans la base de données, pour déduire le meilleur plan d'action basé sur les données historiques et l'expérience du clinicien. Cela conduira à un flux de travail d'exploration plus généralisé qui agira comme un générateur d'hypothèses pour l'utilisateur, en regroupant des informations basées sur des critères personnalisés, générant ainsi une analyse exploratoire des données disponibles.

Les enquêteurs estiment qu'environ 300 cas de NSCLC avec des données complètes seront suffisants pour démarrer ce processus. La convivialité et l'explicabilité du modèle serviront de norme principale des stratégies de développement de modèles. Des valeurs facilement interprétables telles que les valeurs SHAP (SHapley Additive exPlanations) seront attachées à chaque modèle afin d'éviter toute approche de boîte noire qui pourrait rendre les sorties du modèle difficiles à expliquer aux patients lors de leurs interactions avec les cliniciens.

Modèle prédictif et validation du DHA : le modèle développé et le DHA complet seront validés afin de tester leur robustesse, leur transférabilité et leur généralisabilité. Deux stratégies de validation consécutives seront employées respectivement : les techniques de validation interne et externe. Nous estimons un nombre total d'environ 420 cas de NSCLC pour démarrer le processus de validation. Ce processus comprendra une validation interne et externe.