[Podcast] – Déterminer les résultats à partir d’images : la question de la variabilité des données dans les essais en oncologie  

Nous avons récemment enregistré une conversation avec le Dr Antoine Iannessi, Head of Medical Affairs chez Median Technologies. Animée par Connor Anderson, U.S. Project Manager II chez Median Technologies, la discussion portait sur la variabilité d’interprétation des images médicales et son impact potentiel en termes de divergences de résultats dans les essais cliniques en oncologie. Le Dr Antoine Iannessi a également évoqué les moyens d’aborder et de résoudre ces divergences. 

Voici un extrait de l’épisode « Shaping Results through Imaging: Addressing Variability in Oncology Trials » (« Déterminer les résultats à partir d’images : la question de la variabilité des données dans les essais en oncologie »).  

Retrouvez ici l’intégralité de l’épisode. 

Connor Anderson – Project Manager II, Median Technologies : Je vous remercie de vous joindre à moi pour ce nouvel épisode. Nous allons commencer par une mise en contexte. Pouvez-vous expliquer la notion de variabilité dans l’imagerie ainsi que son influence potentielle sur les résultats des essais menés sur des médicaments en oncologie ? 

Dr.Iannessi, Head of Medical Affairs, Median Technologies : Actuellement, l’imagerie joue un rôle crucial dans l’évaluation de l’efficacité des médicaments en oncologie. En quelques mots, elle nous permet de visualiser la taille de la tumeur, sa progression ainsi que la réponse au traitement. Pour cela, les images médicales sont évaluées à plusieurs reprises. Lors de ces évaluations répétées, la variabilité peut introduire des éléments d’incertitude dans les résultats des essais. Il peut donc y avoir une incohérence dans trois domaines principaux :  

• Le premier domaine est l’acquisition d’images.  
• Le deuxième est l’interprétation de ces images par le radiologue. 
• Enfin, l’analyse peut conduire à une classification inexacte des réponses au traitement. L’évaluation globale de l’efficacité du médicament peut également être affectée.  

En outre, la variabilité peut impacter la puissance statistique des essais. Il est aussi difficile de déterminer précisément si un médicament est efficace ou non,si les évaluations des images médicales sont trop variables.  

C’est la raison pour laquelle les services d’imagerie pour les essais cliniques, comme ceux proposés par la division iCRO de Median Technologies, jouent un rôle essentiel dans la gestion et le contrôle de la variabilité au cours des essais cliniques. L’expertise en imagerie médicale des équipes Median, mais également en matière de conformité réglementaire et de contrôle qualité, leur permet de mettre en œuvre des mesures qui minimiseront les différentes sources de variabilité. Ces équipes sont aussi en charge de l’organisation d’  une revue centralisée des images en aveugle avec plusieurs experts indépendants. C’est également un moyen de superviser et de surveiller la variabilité tout au long du processus d’évaluation des images. 

Lisez notre publication scientifique sur la variabilité des doubles lectures des données d’essais dans le cancer du poumon. 

Connor Anderson: Vous avez évoqué l’existence de diverses sources de variabilité. Pouvez-vous nous en dire plus ? 

Dr. Iannessi : Tout à fait. En tant que Head of Medical Affairs, je supervise l’évaluation menée par ces radiologues indépendants […] 

Antoine Iannessi
Head of Medical Affairs – Median Technologies

Connor Anderson
Project Manager II, US – Median Technologies

Vous pouvez aussi lire

Article

Cinq impacts de l’utilisation de l’Intelligence Artificielle appliquée à l’imagerie sur la conduite des essais cliniques en oncologie

brochure

Delivering best-in-class imaging services and
expertise to clinical sponsors worldwide

WEBINAR

Comment résoudre les divergences d’interprétation des images dans les essais en oncologie