Cet abstract discute de l’utilisation d’un modèle de radiomique basé sur l’imagerie de tomodensitométrie pour prédire de façon non invasive la mutation de l’EGFR dans le cancer pulmonaire non à petites cellules (NSCLC – Non-Small Cell Lung Cancer). Lors de l’étude, des images scanner ont été collectées en provenance de plusieurs centres et de bases de données en libre accès afin d’investiguer les performances du modèle. Les résultats du modèle sont prometteurs avec une AUC de 0,83 sur le jeu de données d’apprentissage et une AUC de 0,76 sur le jeu de données test. Les auteurs en concluent que l’analyse des images médicales basées sur l’IA a le potentiel d’extraire des biomarqueurs prédictifs qui pourront dans le futur guider les thérapies ciblées.