Tangerine

Etapa 1.
Dezvoltarea bazei de date si a circuitelor de implementarea a proiectului.

• A1.1 Dezvoltarea bazei de date si a circuitelor de implementarea a proiectului.

• A1.2 Stabilire criterii de includere si protocoale pentru implementarea studiului retrospectiv; Dezvoltare baza de date studiu retrospectiv

• A1.3 Stabilire criterii de includere si protocoale pentru implementarea studiului prospectiv; Dezvoltare baza de date studiu prospectiv

Etapa 2.
Elaborarea modelului de training histopatologic-radiomic impreuna cu consortiul.

• A 2.1. Dezvoltarea bazei de date prin generarea imaginilor digitalizate de histopatologie necesare modelului de training.

• A 2.2. Generarea si functionalizarea modelului de analiza combinata pe baza datelor de radiomics si histologie.

• A 2.3. Participarea la cursuri de formare, conferinte si congrese de specialitate in domeniul proiectului.

Etapa 3.
Validarea modelului integrat histopatologic-radiomics

• A 3.1. Urmariere pacienti: achiziția de date de histopatologie digitalizată si modele radiologice.

• A 3.2. Validarea modelului histopatologic-radiomic.

• A 3.3. Participarea la cursuri de formare, conferinte si congrese de specialitate in doemniul proiectului, diseminare rezultate.

Etapa 2022

În cadrul primei etape (2022) a proiectului TANGERINE a fost dezvoltata baza de date a proiectului, si s-au stabilit criteriile de identificare a grupurilor de pacienti cu administrarea de imunoterapie in prima linie de tratament conform protocoalelor de prescriere CNAS. Au fost identificate mai multe scheme de tratament incluzand moleculele Pembrolizumab, Atezolizumab, Durvalumab, Nivolumab, Ipilimumab, Avelumab, Cemiplimab. Dezvoltarea bazei de s-a realizat tinand cont de toate localizarile oncologice unde au fost administrate aceste molecule. Au fost deasemenea stabilite criteriile de includere pentru selectatera pacientilor, pentru implementarea studiilor de cercetare pe cazuistica retrospectiva, respectiv prospectiva.

Etapa 2023

În cadrul etapei a doua (2023) a proiectului TANGERINE au fost incluse 3 activități specifice ce au vizat dezvoltarea biobăncii proiectului, cu impelmentarea activitatilor de analiză de date de imagistică ca suport pt analizele de radiomics, respectiv a fost dezvolatat fluxul pentru digitalizarea imaginilor de histologie. S-a stabilit la nivelul consorțiului că, datele clinice ale pacienților care vor fi inclusi în studiu să fie încărcate în baza de date REDCap (Research Electronic Data Capture), pe baza unor coduri unice, specifice pentru fiecare dintre parteneri și unice pentru pacienți. În a acest sens, a fost dezvoltată o interfață specifică proiectului TANGERINE, ținând cont de input-urile stabilite în implementarea acestuia, incluzând caracteristicile demografice ale pacienților, caracteristicile tumorale și cele ale tratamentului administrat. Până în prezent, au fost prelucrate pentru a putea fi încarcate în baza de date REDCap, datele a 100 de pacienți din cadrul studiului retrospectiv. Au fost stabiliți pașii pentru procesarea datelor imagistice, cu segmentarea de imagini și pregatirea analizelor de radiomics, ce se bazează pe extragerea și analiza caracteristicilor cantitative din imaginile medicale, în special din imaginile CT (tomografie computerizată). A fost stabilit protocolul pentru dezvoltarea bazei de date de patologie digitalizată bazat pe convertirea lamelor din format fizic în format virtual, folosind un scanner automatizat. Sunt așteptate deciziile la nivelul consorțiului pentru a pregăti în formatul final, atât imaginile digitalizate cât și pentru cele de imagistică. A fost realizat primul kick-off meeting al consorțiului unde au fost discutate în cadrul unor mese rotunde aspectele legate de finalizarea protocolului de colaborare și pregatirea documentelor pentru obținerea acordului Comisie de Etică.. Aprobarea Comisiei de Etică a conducatorului IDIBELL a fost obținută în data de 03.07.2023, iar cea a IOCN, nr 283/27.10.2023, după aprobarea acordului de colaborare la nivelul consorțiului, parafat în 28.09.2023. În cadrul acestei etape a fost publicat un articol științific cu titlul: Hexagonal-Grid- Layout Image Segmentation Using Shock Filters: Computational Complexity Case Study for Microarray Image Analysis Related to Machine Learning Approaches; 2023 Feb 26;23(5):2582. doi: 10.3390/s23052582. PMID: 36904788, în revista Sensors (Q2) al carui scop a fost de prelucrare a imaginilor de expresie genică din date de microarray aplicând algoritmi de machine learning. In cadrul acestei etape, a fost realizat un curs online de perfecționare în domeniul medicinei de precizie, sustinut de Universitatea Harvard: HMX Pro Genetics - Cancer Genomics Precision Oncology.

Etapa 2024

Etapa a treia (2024) a proiectului TANGERINE a inclus 3 activități specifice care au vizat dezvoltarea biobăncii proiectului prin achiziția de date de histopatologie digitalizată și modele radiologice la pacienții introduși în cele două studii: retrospectiv si prospectiv, realizarea unui studiu pilot pe un prim set de date clinice și de histologie. În cadrul acestei activități au fost scanat, anonimizat și trimis un prim set de date de patologie digitala împreună cu datele clinice, pentru antrenarea algoritmului de predicție a răspunsului la imunoterapie. Datele imagistice (scanari CT) sunt pregatite pentru a fi ulterior trimise partenerului din Dresda, pentru a fi utilizate în softurile de analiză pentru rafinarea algoritmului de inteligență artificială. Datele preliminare ale modelului clinic bazate pe SVM au atins performanțe mai ridicate pentru predicția beneficiului clinic pe termen lung (PFS > 12 luni) și a răspunsului obiectiv, cu o arie sub curba ROC (AUC) > 0.8.

Rezultatele sugerează că variabile precum vârsta, locația tumorii primare, stadiul N și stadiul T, precum și tipul tratamentului, au fost cele mai relevante pentru prezicerea răspunsului la imunoterapie. Primele rezultate preliminare ale modelului patologic au fost dezvoltate pe o cohortă de 69 de pacienți de la care s-au utilizat imagini de patologie digitală a întregii suprafețe a lamei de histologie (WSI) și date clinice. Rezultatele obținute au fost ulterior evaluate pe un set nou de 39 de pacienți. Partenerii din Dresda au dezvoltat un model de învățare profundă, bazat pe date de patologie, pentru a prezice beneficiul clinic asociat intervalului liber de prgresie (PFS) (PFS > 6 luni și PFS > 12 luni) folosind un protocol propriu standard STAMP (publicat in revista Nature in 14.09.2024, https://doi.org/10.1038/s41596-024-01047-2). Rezultatele preliminare arată că în stadiul actual al colectării datelor nu există încă un semnal robust care să permită modelelor să facă predicții solide. Se așteaptă ca după utilizarea unui numar mai mare de cazuri pe parcursul anului 2025, acuratețea predicției răspunsului la imunoterapie sa fie mult imbunatațită.

In perioda 18-23.08.2024 a fost organizată o Școlă de Vară cu topicul Rolul AI in medicină, unde au fost realizate sesiuni de conferințe legate de dezvoltarea de algoritmi AI ca suport pentru medicina de precizie, predicția supraviețuirii pacienților cu cancer, modele de limbaje AI în medicină, de la metode benefice la modele de inteligență avansate, dezvoltarea modelelor AI de bază pentru prelucrarea imaginilor medicale, respectiv dezvoltarea de aplicații avansate de metode AI regenerative pentru analiza imaginilor RMN, respectiv aspectele legale ale dezvoltarii și utilizarii AI în domeniul medical.

Rezultatele finale ale proiectului TANGERINE vor fi disponibile public după inccheietea proiectului la nivelul celorlalți parteneri (31.12.2025).