L’intégration par le WP2 de l’apprentissage automatique et de la pathologie numérique dans la recherche sur les sarcomes constitue une avancée prometteuse dans la lutte contre le cancer. En améliorant la prédiction du statut TLS et de la réponse au traitement, le WP2 vise à renforcer la précision des décisions thérapeutiques, ce qui permettra d’offrir des thérapies plus personnalisées et plus efficaces aux patients atteints de sarcomes. Avec l’évolution constante de la technologie, l’avenir du traitement du cancer semble plus prometteur, et ces innovations ouvrent la voie à de nouvelles percées dans le domaine de l’oncologie.

Dans le cas du sarcome, prédire le statut du TLS et comprendre ses implications sur la réponse au traitement a été un défi en raison de l’hétérogénéité de la tumeur et des interactions immunitaires complexes.

Le WP2 vise à combler cette lacune en utilisant des stratégies de ML de pointe et la pathologie numérique en analysant de vastes ensembles de données d’images pathologiques et de données cliniques.

Le but ultime des efforts du WP2 est de prédire comment un patient atteint d’un sarcome répondra à l’immunothérapie.