Fenotipagem Registro de Câncer de Fígado (PHELICAR)

O estudo avançará em duas fases distintas.

• A Fase 1 tem duas etapas principais: A primeira etapa identificará fenótipos tumorais únicos com base na plataforma de fenotipagem iBiopsy, que extrai assinaturas baseadas em imagens correspondentes a cada fenótipo individual e avaliará o desempenho analítico/técnico da plataforma iBiopsy. As lacunas na caracterização da leitura analítica sob condições variadas de aquisição de imagem e a variabilidade repetida sob condições analíticas idênticas serão preenchidas pelo projeto proposto. Uma vez identificado um conjunto de fenótipos tumorais adequados, eles avançarão para a fase de caracterização. Isso será feito pela avaliação de um conjunto de dados específico representativo inicial (por exemplo, centenas de pacientes) para treinamento (para descobrir) e validação (para testar robustez). A segunda etapa completará uma validação biológica/clínica preliminar dos fenótipos acima para diagnóstico e subtipagem da doença. Isso inclui a investigação de um grande conjunto de dados (por exemplo, milhares de pacientes) CDR para treinamento e validação, usando dados de histopatologia como padrão de referência e otimização das assinaturas de imagem usando metodologias de aprendizado baseadas em IA.
• A Fase 2 também tem duas etapas. A primeira etapa da Fase 2 é validar rigorosamente os fenótipos candidatos emergentes da Fase 1 para o diagnóstico de indivíduos com CHC. A segunda etapa da Fase 2 é validar esses fenótipos candidatos selecionados para a previsão do resultado. Essas validações rigorosas incluem o uso de grande CDR de pacientes com HCC (validação biológica/clínica em estágio avançado).

Os sistemas tradicionais de recuperação de imagens médicas, como o Picture Archival Systems (PACS), usam dados estruturados (metadados) ou anotações de texto não estruturados (relatórios médicos) para recuperar as imagens. No entanto, o conteúdo das imagens não pode ser completamente descrito por palavras e a compreensão das imagens é diferente de pessoa para pessoa, portanto, o sistema de recuperação de imagens baseado em texto não pode atender aos requisitos para recuperação massiva de imagens. Em resposta a essas limitações, foram desenvolvidos sistemas CBIR usando recursos visuais extraídos das imagens em vez de palavras-chave. Um resultado importante e útil desses CBIR é a possibilidade de preencher a lacuna semântica, permitindo que os usuários pesquisem um repositório de imagens para recursos de imagem de alto nível, permitindo a correspondência de assinaturas de fenótipos baseadas em imagens extraídas diretamente da imagem médica de consulta com assinaturas de fenótipos indexadas em um registro.

O sistema CBIR da Median Technologies usa algoritmos e processos patenteados para decodificar as imagens extraindo automaticamente centenas de recursos de imagem, bem como assinaturas altamente compactas de dezenas de milhares de patches de imagens 3D computadas em toda a imagem sem a necessidade de segmentação prévia. Além de perfis fenotípicos detalhados que podem ser correlacionados com histopatologia e perfis genômicos e plasmáticos, o sistema gera uma assinatura única para cada telha, fornecendo uma impressão digital do "fenótipo baseado em imagem" do tecido correspondente. Usando métodos de computação massivamente paralelos, biomarcadores de imagens e assinaturas de fenótipos são extraídos de uma imagem de destino e organizados em clusters de assinaturas semelhantes e indexados para pesquisa e recuperação em tempo real em bancos de dados sem esquema (NoSQL).