Apprentissage à partir de données multimodales pour prédire le pronostic du cancer du sein

Multimodal learning to predict breast cancer prognosis

• Auteur / Autrice : Ndèye Maguette Mbaye
• Direction : Chloé-Agathe Azencott
• Type : Thèse de doctorat
• Discipline(s) : Bio-informatique
• Date : Soutenance le 05/09/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : Ecole doctorale Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique (Paris)
• Partenaire(s) de recherche : Laboratoire : Centre de bio-informatique (Paris, Ile-De-France)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Marc Lelarge
• Jury : Examinateurs / Examinatrices : Chloé-Agathe Azencott, Alice Ahlem Othmani, Martin Bøgsted, Michal Rosen-Zvi, Antoine Recanati
• Jury : Rapporteurs / Rapporteuses : Alice Ahlem Othmani, Martin Bøgsted

Mots clés

Mots clés contrôlés

Soins médicaux

Bases de données textuelles

Dossiers médicaux -- Accès -- Contrôle

Apprentissage automatique

Cancer du sein

Mots clés libres

Apprentissage automatique

Cancer du sein

Données multimodales

Dossiers médicaux électroniques

Machine learning

Breast Cancer

MultiModal data

Electronic Health Records

Résumé

Le cancer du sein est l’un des cancers les plus fréquents dans le monde, représentant 12,5 % des nouveaux cas annuels. En 2022, environ 2,3 millions de femmes ont été diagnostiquées, avec plus de 666 000 décès. Bien que les dossiers médicaux électroniques (DME) aient révolutionné la recherche clinique en fournissant des données précieuses, les études sur le cancer du sein exploitent rarement les rapports médicaux en texte libre, qui contiennent pourtant des informations cruciales. Cette thèse propose de développer des modèles d’apprentissage automatique et profond pour prédire les statuts de survie du cancer du sein en utilisant des données multimodales (rapports textuels en français, résultats de laboratoire et descripteurs cliniques) d’une vaste cohorte de l’Institut Curie. Des modèles ont été construits pour analyser séparément puis conjointement ces modalités. Les résultats montrent que l’intégration des données textuelles et structurées améliore la prédiction des statuts de survie des patientes. De plus, l'analyse des facteurs prédictifs des statuts de survie des patients ouvre de nouvelles perspectives pour une meilleure compréhension des mécanismes du cancer du sein et par conséquent, l’amélioration des soins.

Breast cancer is one of the most common cancers worldwide, accounting for 12.5% of new cases each year. In 2022, around 2.3 million women were diagnosed, with over 666,000 deaths. Although electronic health records (EHRs) have revolutionized clinical research by providing valuable data, breast cancer studies rarely exploit free-text medical reports, which nonetheless contain crucial information. This thesis proposes to develop machine and deep learning models to predict breast cancer outcomes using multimodal data (French text reports, laboratory results, clinical descriptors) from a large Institut Curie cohort. Models were built to analyze these modalities separately and then jointly. Results show that the integration of textual and structured data improves the prediction of patients' survival status. Moreover, the analy-sis of predictive factors for patients' survival status opens up new perspectives for a better understanding of underlying mechanisms in breast cancer, and thus, for improving care.