Détection, prédiction et classification des tumeurs cérébrales basées sur les modèles formels et l'apprentissage en profondeur

Les tumeurs cérébrales sont parmi les maladies les plus meurtrières de ces dernières années avec environ 70 000 nouveaux cas chaque année aux États-Unis seulement et seulement environ 25% des personnes diagnostiquées avec une tumeur cérébrale survivent pendant cinq ans ou plus après le diagnostic. Le taux de mortalité des tumeurs cérébrales est extrêmement élevé, la plupart des patients succombent à la maladie moins de deux ans après le diagnostic. Avec un taux de survie aussi faible, il est urgent d'améliorer notre compréhension des tumeurs cérébrales afin de les détecter le plus tôt possible et de les traiter efficacement. Devant ces besoins pressants, la communauté scientifique s'est engagée à développer des techniques d’analyse visant à mieux comprendre, détecter et traiter les tumeurs cérébrales. Ces dernières années, les progrès des technologies de séquençage génomique ont permis aux chercheurs de commencer à démêler les complexités des tumeurs cérébrales au niveau moléculaire, cela a permis l'identification de différents types et sous-types de tumeurs cérébrales, qui peuvent désormais être ciblées avec un traitement plus précis et a également permis aux chercheurs de découvrir les changements génétiques complexes qui entraînent la croissance et la progression tumorale. Il s'agit d'une avancée majeure dans la lutte contre les tumeurs cérébrales, et avec l’espoir d’émergence de nouvelles options de traitement qui permettront de réduire la morbidité et la mortalité associées à cette forme de cancer. Et, aussi, conduire à de meilleurs de traitement des patients atteints.