Subject : Image analysis and data mining for histopathology : analyzing spatial heterogeneity in lung cancer tissue sections Sujet : Analyse d’images et fouilles de données en histopathologie : analyse de l’hétérogénéité spatiale dans des coupes tumorales de cancer du poumon La recherche sur le cancer s’est focalisée depuis de nombreuses années sur l’analyse du génome et des caractéristiques des cellules tumorales, en particulier afin d’identifier des marqueurs prédictifs du devenir des patients et de l’efficacité des traitements. Cependant, les cancers sont également constitués d’autres populations de cellules constituant le microenvironnement tumoral, en particulier de cellules du système immunitaire qui jouent un rôle majeur dans le devenir des patients et peuvent être ciblées par de nouveaux traitements. La présence et la disposition spatiale de ces différentes populations de cellules au sein du tissu tumoral représentent des marqueurs importants pour le pronostic des patients dans la plupart des types de tumeurs. Une analyse quantitative et objective, à l’aide d’algorithmes d’analyse d’images, de statistique spatiale et de data mining, constitue un champ d’investigation important en recherche contre le cancer. L'objectif de ce travail est d'identifier des descripteurs de l'hétérogénéité spatiale, pertinents biologiquement et médicalement, à partir d'images microscopiques de marquages identifiant plusieurs populations de cellules du microenvironnement tumoral dans des échantillons de cancer du poumon humains. Nous proposons un stage de 6 mois, niveau M2. Le matériel d'étude sera des images microscopiques acquises à forte résolution (lames virtuelles) de la totalité de coupes tumorales provenant de patients pris en charge à Gustave Roussy et sur lesquelles des marquages ont été réalisés afin de mettre en évidence différentes populations de cellules puis détectés par analyse d'images. L’objectif est donc de trouver des descripteurs qui caractérisent l’organisation spatiale de ces populations cellulaires. Pour cela, plusieurs approches sont envisageables, basées soit sur la statistique spatiale des cellules détectées, soit sur une caractérisation de la texture et de la combinaison de marqueurs (sans détection de cellules). Ces descripteurs vont être croisés par la suite avec des variables cliniques de suivi des patients (récidive, survie…). Leur pertinence pourra ensuite être évaluée avec des techniques d’apprentissage automatique et de réduction de dimensions. Ce stage est proposé en collaboration entre Mines ParisTech et Gustave Roussy, centre européen de lutte contre le cancer. Le candidat devra avoir une formation en mathématiques appliquées, physique ou informatique, idéalement avec une expérience en analyse d’images et/ou apprentissage automatique et avoir un fort intérêt pour la biologie et/ou la médecine. Supervision : - Mines ParisTech : Thomas Walter ([email protected]) - Institut Gustave Roussy : Julien Adam (Julien.ADAM @gustaveroussy.fr), Nicolas Signolle ([email protected])