Résumé : Cette étude explore l’utilisation de l’apprentissage profond fédéré pour améliorer la prédiction de la réponse à la chimiothérapie néoadjuvante chez les patientes atteintes de cancer du sein triple négatif (CSTN). En analysant des lames histologiques complètes, les modèles développés ont atteint une précision significativement supérieure (AUC de 0,78) par rapport aux méthodes traditionnelles. Grâce à l’infrastructure fédérée, le consortium, composé de quatre centres français de lutte contre le cancer et piloté par la société OWKIN, a pu collaborer efficacement sans partager directement les données sensibles des patients. Les résultats ont identifié des biomarqueurs clés, comme les niveaux de Ki67 et des configurations morphologiques spécifiques, corrélés avec la réponse au traitement. Cette approche collaborative et innovante ouvre la voie à une personnalisation accrue des traitements pour les patientes atteintes de CSTN et pourrait être appliquée à d’autres cancers complexes.
Connectez-vous pour consulter l'article dans son intégralité.
Inscrivez-vous gratuitement et profitez de tous les sites du groupe Performances médicales