Onco Place Analytics
Les outils analytiques d'Onco Place fournissent des analyses statistiques et des modèles de traitement des données basés sur les données collectées dans Onco Place. Son objectif est de dépasser la simple collecte de données pour parvenir à la transformation et à l'exploration des données sur des cohortes de patients.
Présentation et Fonctionnalités
Calcule des statistiques du premier ordre pour résumer la base de données du projet. Cela offre une vue d'ensemble et peut faciliter son contrôle qualité.
Exemple
nombre et pourcentage de patients recevant une chimiothérapie ou durée moyenne du traitement.
Calcule automatiquement (ou lit) les DVH basés sur les images DICOM et les données DICOM RT (contours et distribution de dose RT) précédemment téléchargées sur la plateforme Onco Place.
Permet le calcul d'indices de dose basés sur des modèles définis par l'utilisateur et les DVH précédemment calculés. Tous les indices de dose peuvent être utilisés comme nouvelles caractéristiques dans d'autres modules.
Exemples
Dmoyen, DV%, VDGy, Dmin proche, Dmax, DSC, gEUD…
Permet de définir et d'extraire de nouvelles caractéristiques (données) à partir de la base de données originale du projet ou à partir de caractéristiques précédemment extraites ou calculées. Les indices de dose calculés peuvent également être utilisés en tant qu'entrée dans ce module. Toutes les nouvelles caractéristiques extraites peuvent être intégrées dans d'autres modules d'analyse.
Exemple
La base de données contient le poids, l'âge et la taille. Nous pouvons extraire l'IMC = poids / taille² mais aussi l'obésité=OUI si l'IMC ≥ 30.
Calcule la courbe de survie d'une cohorte en utilisant la méthode de Kaplan-Meier.
Calculates the Harrell Concordance Index (C-index), which measures how well two risk scores have the same trend. It is commonly used in survival analysis to compare a predictive death score with the actual survival time.
Apprend un modèle de survie de Cox sur la cohorte sélectionnée et l'évalue à l'aide d'une validation croisée. Les performances (C-index), les coefficients et les rapports de risques (Hazard Ratios) du modèle sont fournis pour identifier les variables associées à un risque plus élevé ou plus faible de décès (ou de récurrence, etc.). Tous les autres paramètres appris, ou ceux utilisés pour l'apprentissage, sont également renvoyés pour permettre la reproductibilité et des applications prédictives.
Calcule la courbe sensibilité-spécificité (ROC) en fonction d'un score prédictif numérique donné et d'une variable de référence à prédire (maladie vs. pas de maladie). La courbe ROC prédictive (PROC) peut également être calculée pour évaluer la fiabilité du score prédictif dans un contexte clinique ; elle montre la valeur prédictive positive (VPP) par rapport à la valeur prédictive négative (VPN).
Intègre un programme Python de l'utilisateur dans un environnement sécurisé et l'exécute sur des caractéristiques sélectionnées d'une cohorte. L'objectif de ce module est de permettre aux chercheurs d'exécuter des programmes personnalisés sur leur projet sans extraire de données de sa base de données.
Extrait des caractéristiques radiomiques (intensités, formes, textures) de votre imagerie scanner 3D (CT) et vos contours de radiothérapie. Les calculs radiomiques sont réalisés avec la librairie PyRadiomics conforme à l'Image Biomarker Standardisation Initiative.
Modèles d'IA de segmentation automatique pour standardiser et accélérer le flux de travail.