Développement de méthodes AI et XAI pour identifier de nouveaux marqueurs diagnostics et pronostics dans l'adénocarcinome canalaire pancréatique.

Development of AI and XAI methods to identify new diagnostic and prognostic markers in pancreatic ductal adenocarcinoma.

• Auteur / Autrice : Laure Noe
• Direction : Isabelle Dhennin duthille, Mouny Samy Modeliar
• Type : Projet de thèse
• Discipline(s) : Biologie-Santé-Physiopathologie Humaine - Aspects moléculaires de la transformation tumorale-250026
• Date : Inscription en doctorat le 14/10/2025
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : Sciences, Technologie, Santé
• Partenaire(s) de recherche : Laboratoire : PancResT (chemoresistance and therapeutic targeting in pancreatic cancers)

Mots clés

Mots clés libres

Cancer du Pancréas

Intelligence artificielle

Biomarqueurs

Artificial intelligence

Pancreatic cancer

Biomarkers

Résumé

L'adénocarcinome canalaire pancréatique (ACP) est la forme majoritaire des cancers du pancréas, avec un faible taux de survie et une mauvaise réponse aux chimiothérapies, principalement à cause de la présence d'un type cellulaire spécifique que sont les CAF (cancer-associated fibroblast). Notre laboratoire cherche à mettre en évidence de nouveaux biomarqueurs de la niche tumorale pancréatique dans les tissus de patients, en étudiant l'expression protéique de marqueurs spécifiques des CAF et de certains transporteurs magnésiques par la technique d'immunohistochimie, et en analysant ces expressions grâce à des systèmes d'intelligence artificiel. L'objectif dans le cadre de ce projet MAIA est d'apprendre à l'ordinateur à reconnaitre le type de cellule (Épithéliale ou CAF) et leur implication dans l'ACP (zones tumorales ou non-tumorales) en fonction d'images de l'expression des marqueurs spécifiques de chaque type cellulaire. Pour cela, il est nécessaire de procéder en plusieurs étapes : — Étape 1 : Aligner les cellules provenant d'images de différents marqueurs afin de créer et d'annoter un dataset. — Étape 2 : Créer différents modèles de Machine Learning (ML) qui prédisent le type des cellules. — Étape 3 : Expliquer pourquoi certaines tumeurs sont agressives (par la présence des différents soustypes de CAF) pour mettre en évidence les marqueurs les plus prometteurs. Le projet que nous proposons vise à analyser l'importance des cellules de type CAF dans le diagnostic et la prédiction de l'agressivité de l'adénocarcinome canalaire pancréatique (ACP) en utilisant des méthodes IA dans une démarche interdisciplinaire en associant les compétences de chirurgiens, pathologistes, physiologistes, et informaticiens.

Pancreatic ductal adenocarcinoma (PDAC) is the most common form of pancreatic cancer, with poor survival and response to chemotherapy, mainly due to the presence of a specific cell type called CAF (cancer-associated fibroblast). Our laboratory is seeking to identify new biomarkers of the pancreatic tumor niche in patient tissues, by studying the protein expression of markers specific to CAFs and certain magnesium transporters using immunohistochemistry, and by analyzing these expressions using artificial intelligence systems. The aim of this MAIA project is to teach the computer to recognize the cell type (epithelial or CAF) and their involvement in PCA (tumoral or non-tumoral areas) based on images of the expression of markers specific to each cell type. To achieve this, it is necessary to proceed in several steps: - Step 1: Align cells from different marker images to create and annotate a dataset. - Step 2: Create different Machine Learning (ML) models that predict cell type. - Step 3: Explain why certain tumors are aggressive (by the presence of different CAF subtypes) to highlight the most promising markers. Our proposed project aims to analyze the importance of CAF-type cells in the diagnosis and prediction of aggressive tumors.