Représentation sémantique des biomarqueurs d’imagerie dans le domaine médical

Semantic representation of imaging biomarkers in the medical field

• Auteur / Autrice : Emna Amdouni
• Direction : Bernard Gibaud
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 07/12/2017
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : ComuE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement du Signal et de l'Image (1969-.... ; Rennes)

Mots clés

Mots clés contrôlés

Imagerie médicale

Ontologies (informatique)

Mots clés libres

Représentation des connaissances

Ontologie de domaine

Ontologies biomédicales

Biomarqueur d’imagerie

Knowledge representation

Domain ontology, biomedical ontologies, imaging biomarker

Résumé

En médecine personnalisée, les mesures et les descriptions radiologiques jouent un rôle important. En particulier, elles facilitent aux cliniciens l’établissement du diagnostic, la prise de décision thérapeutique ainsi que le suivi de la réponse au traitement. On peut citer à titre d’exemple, les critères d’évaluation RECIST (en anglais Response Evaluation Criteria in Solid Tumors). De nombreuses études de corrélation en radiologie-pathologie montrent que les caractéristiques d'imagerie quantitative et qualitative sont associées aux altérations génétiques et à l'expression des gènes. Par conséquent, une gestion appropriée des phénotypes d'imagerie est nécessaire pour faciliter leur utilisation et leur réutilisation dans de multiples études concernant les mesures radiologiques. En littérature, les mesures radiologiques qui caractérisent les processus biologiques des sujets imagés sont appelées biomarqueurs d'imagerie. L'objectif principal de cette thèse est de proposer une conceptualisation ontologique des biomarqueurs d'imagerie pour rendre leur sens explicite et formel, améliorer le reporting structuré des images. La première partie de la thèse présente une ontologie générique qui définit les aspects fondamentaux du concept de biomarqueur d'imagerie, à savoir : les caractéristiques biologiques mesurées, les protocoles de mesure et les rôles des biomarqueurs imagerie dans la prise de décision. La deuxième partie de la thèse traite des problèmes de modélisation sémantique liés à la description des données d’observation en neuro-imagerie en utilisant les connaissances biomédicales existantes. Ainsi, elle propose des solutions ''pertinentes'' aux situations les plus typiques qui doivent être modélisées dans le glioblastome.

In personalized medicine, radiological measurements and observations play an important role; in particular they help clinicians in making their diagnosis, selecting the appropriate treatment and monitoring the therapeutic response to an intervention as for example the Response Evaluation Criteria in Solid Tumors (RECIST). Many radiology-pathology correlation studies show that quantitative and qualitative imaging features are associated to genetic alterations and gene expression. Therefore, suitable management of imaging phenotypes is needed to facilitate their use and reuse in multiple studies regarding radiological measurements. In litterature, radiological measurements that characterize biological processes of imaged subjects are called imaging biomarkers. The main objective of this thesis is to propose an ontological conceptualisation of imaging biomarkers to make their meaning explicit and formal, improve structured reporting of images. The first part of the thesis presents a generic ontology that defines basic aspects of the imaging biomarker concept, namely; measured biological characteristic, measurement protocols and role in decision making application. The second part of the thesis adresses important semantic modeling challenges related to the description of neuro-imaging data using existing biomedical knowledge, as well as it proposes some “relevant” solutions to the most typical situations that need to be modeled in glioblastoma.