Radiomique : imagerie médicale et apprentissage machine en oncologie

L'imagerie médicale multimodale (scanner x, tomographie par émission de positons, résonance magnétique, ultrasons) joue un rôle crucial dans la prise en charge des patients en oncologie, à côté d'autres facteurs et types d'analyse (démographique, clinique, biomarqueurs d'histopathologie, génétique, etc.). Néanmoins son exploitation en routine clinique est encore majoritairement limitée au diagnostic et par une analyse visuelle et manuelle par les médecins. Les algorithmes permettant d'extraire de l'information des images présentent un certain nombre d'avantages : automatisation et vitesse, quantification et exhaustivité (y compris au-delà des capacités de l’œil humain), robustesse et reproductibilité. L'association de ces algorithmes avec des méthodes issues de l'apprentissage machine (profond ou non), se nomme aujourd'hui radiomique. La radiomique promet une amélioration de la prise en charge des patients grâce aux modèles diagnostics, prédictifs et prognostiques qu'il est possible de construire. Néanmoins, il existe encore un certain nombre d'écueils à éviter (faiblesse des études publiées, manque d'harmonisation et de standardisation, automatisation limitée) et de défis (validation, explicabilité et interprétabilité des modèles notamment) à relever, avant d'envisager son application concrètes en routine. Cette présentation couvrira l'historique de la radiomique, les développements récents et les perspectives.