Prism

Prism développe une approche de recherche translationnelle intégrative et s’appuie sur une méthodologie et des outils innovants : intelligence artificielle, épigénétique, hétérogénéité clonale de la tumeur à travers l’analyse de l’ADN circulant, biologie spatiale et étude du microbiote, notamment.

Ce travail de profilage moléculaire exhaustif doit aboutir à la création d’une carte numérique récapitulative de la biologie de chaque patient, et doit permettre d’identifier de nouveaux biomarqueurs et prédicteurs de réponse aux traitements (sensibilité, toxicité aux médicaments). Leur efficacité sera validée par des essais cliniques de grande ampleur pour identifier des cibles thérapeutiques adaptées et optimiser les traitements des cancers difficiles à traiter.

Lorsque le risque de décès est faible, l’objectif sera d’alléger la prise en charge en créant de nouveaux standards pour administrer uniquement les traitements utiles et diminuer les toxicités. En parallèle, les prédicteurs de risques permettront d’orienter les personnes à risque élevé de développer un cancer, vers le programme de prévention personnalisée de Gustave Roussy, Interception, qui développera des méthodes de détection précoce et des essais de modulation des facteurs de risque.

Deux laboratoires de l’Ecole sont impliqués dans ce projet :

Le laboratoire MICS (Mathématiques et Informatique pour la Complexité et les Systèmes) qui a travaillé sur de nouvelles méthodes et de nouveaux raisonnements de traitement de données via des algorithmes. La variété et l’immensité des volumes de data recueillies étant trop importantes au niveau de la capacité humaine de traitement, ce laboratoire propose donc l’aide de solutions IA qui savent trier, analyser et interpréter toutes les données médicales.

Le laboratoire CVN (Centre de Vision numérique), lui, intervient essentiellement en imagerie médicale, radiologie grâce notamment à l’usage de l’apprentissage profond ou deeplearning.

L’impact sociétal est multiple : permettre une prise en charge plus précoce, diminuer la mortalité des cancers difficiles à traiter, améliorer l’accès à des traitements efficaces, et éviter des traitements inutiles. La stratégie à long terme consiste à proposer une nouvelle classification des cancers fondée sur la biologie de la maladie et du patient, indépendante de l’organe d’origine du cancer.

L’impact sociétal est multiple : permettre une prise en charge plus précoce, diminuer la mortalité des cancers difficiles à traiter, améliorer l’accès à des traitements efficaces, et éviter des traitements inutiles. La stratégie à long terme consiste à proposer une nouvelle classification des cancers fondée sur la biologie de la maladie et du patient, indépendante de l’organe d’origine du cancer.