Personalized Breast Cancer Treatments Using Artificial Intelligence in Radiomics and Pathomics

• Published in: Journal of medical imaging and radiation sciences Vol. 50; no. 4; pp. S32 - S41
• Main Authors: Tran, William T., Jerzak, Katarzyna, Lu, Fang-I, Klein, Jonathan, Tabbarah, Sami, Lagree, Andrew, Wu, Tina, Rosado-Mendez, Ivan, Law, Ethan, Saednia, Khadijeh, Sadeghi-Naini, Ali
• Format: Journal Article
• Language: English
• Published: United States Elsevier Inc 01-12-2019
• Subjects: Breast cancer; digital pathology; informatics; pathology; pathomics; radiomics; radiomics; Breast cancer; pathomics; pathology; informatics; digital pathology
• ISSN: 1939-8654; 1876-7982
• DOI: 10.1016/j.jmir.2019.07.010

Progress in computing power and advances in medical imaging over recent decades have culminated in new opportunities for artificial intelligence (AI), computer vision, and using radiomics to facilitate clinical decision-making. These opportunities are growing in medical specialties, such as radiology, pathology, and oncology. As medical imaging and pathology are becoming increasingly digitized, it is recently recognized that harnessing data from digital images can yield parameters that reflect the underlying biology and physiology of various malignancies. This greater understanding of the behaviour of cancer can potentially improve on therapeutic strategies. In addition, the use of AI is particularly appealing in oncology to facilitate the detection of malignancies, to predict the likelihood of tumor response to treatments, and to prognosticate the patients' risk of cancer-related mortality. AI will be critical for identifying candidate biomarkers from digital imaging and developing robust and reliable predictive models. These models will be used to personalize oncologic treatment strategies, and identify confounding variables that are related to the complex biology of tumors and diversity of patient-related factors (ie, mining “big data”). This commentary describes the growing body of work focussed on AI for precision oncology. Advances in AI-driven computer vision and machine learning are opening new pathways that can potentially impact patient outcomes through response-guided adaptive treatments and targeted therapies based on radiomic and pathomic analysis.
Les progrès dans la puissance des ordinateurs et les avancées en imagerie médicale au fil des dernières décennies ont mené à de nouvelles avenues pour l’intelligence artificielle (IA), la vision artificielle et l’utilisation de la radiomique pour faciliter la prise de décision clinique. Ces avenues s’ouvrent de plus en plus largement dans des spécialités médicales comme la radiologie, la pathologie et l’oncologie. L’imagerie médicale et la pathologie étant de plus en plus numérisées, on a récemment reconnu que les données provenant des images numériques pouvaient fournir des paramètres reflétant la biologie et la physiologie sous-jacentes de différentes tumeurs malignes. Cette compréhension accrue du comportement du cancer pourrait potentiellement nous permettre d’améliorer nos stratégies thérapeutiques. De plus, le recours à l’intelligence artificielle est particulièrement attrayant en oncologie, pour faciliter la détection des tumeurs, prédire la probabilité de réponse tumorale aux traitements et établir un pronostic quant au risque de mortalité lié au cancer pour le patient. L’intelligence artificielle jouera un rôle essentiel dans l’identification des biomarqueurs candidats pour l’imagerie médicale, le développement de modèles prédictifs robustes et fiables pouvant être utilisés pour personnaliser les stratégies de traitement en oncologie et par la reconnaissance de tendances parmi le grand nombre de variables confondantes associées à la biologie complexe des tumeurs et à la variété des facteurs reliés aux patients (l’exploration des données massives). Ce commentaire décrit le nombre grandissant de travaux mettant l’accent sur l’intelligence artificielle et l’oncologie de précision. Les avancées dans la vision artificielle guidée par IA et l’apprentissage machine ouvrent de nouvelles avenues qui pourraient potentiellement avoir une incidence sur les résultats pour les patients par des traitements adaptatifs guidés par la réaction et les thérapies ciblées basées sir l’analyse radiomique.