平特五不中

Au laboratoire de radiobiologie, les principaux int茅r锚ts de recherche se situent au niveau de la bio-informatique, de l鈥檃nalyse d鈥檌mages multi-modalit茅s et de la mod茅lisation de la r茅ponse au traitement, tous trois en lien avec l鈥檕ncologie. La principale motivation est de concevoir et d茅velopper de nouvelles approches pour 茅valuer la r茅ponse au traitement de chimioth茅rapie et de radioth茅rapie des patients atteints du cancer en int茅grant les informations physiques, biologiques et celles provenant de l鈥檌magerie en diff茅rent mod猫les math茅matiques. Ces mod猫les pourraient ensuite 锚tre utilis茅s pour personnaliser les traitements de chimioth茅rapie et de radioth茅rapie en se basant sur la pr茅diction des b茅n茅fices et des risques pour les patients. Par ailleurs, d鈥檃utres travaux de recherche au laboratoire de radiobiologie 茅value la possibilit茅 d鈥檜tiliser des cellules souches provenant de la moelle osseuse pour r茅duire les risques de pneumonie, ce qui correspond 脿 un des effets secondaires les plus observ茅s apr猫s l鈥檌rradiation chez les patients atteints de cancer du poumon. Dans cette optique, un mod猫le animal de la pneumonie caus茅e par la radiation utilisant des rats a 茅t茅 d茅velopp茅 et test茅 avec diff茅rentes routes d鈥檃dministration de cellules souches m茅senchymes provenant de la moelle osseuse. Finalement, le laboratoire s鈥檌nt茅resse aussi au d茅veloppement de th茅rapies alternatives qui pourraient potentiellement r茅duire les effets secondaires de la radioth茅rapie.

Le groupe de recherche en radiobiologie supervis茅 par Issam El Naqa. De gauche 脿 droite : Jessica Perez, Seema Ambereen, Daniel Cooper, Simon Valli猫res, Sangkyu Lee, Andr茅 Diamant Boustead, Norma Ybarra, Asha Jeyaseelan.

Publications r茅centes

1. Maria, O. M., Maria, A. M., Ybarra, N., Jeyaseelan, K., Lee, S., Perez, J., ... & El Naqa, I. (2015). Mesenchymal Stem Cells Adopt Lung Cell Phenotype in Normal and Radiation-induced Lung Injury Conditions. Applied immunohistochemistry & molecular morphology: AIMM/official publication of the Society for Applied Immunohistochemistry.
2. Vallieres, M., Boustead, A., Laberge, S., Levesque, I. R., & El Naqa, I. (2015). SU-EJ-250: A Machine Learning Approach for Creating Texture-Preserved MRI Tumor Models From Clinical Sequences. Medical physics, 42(6), 3323-3324.
3. Valli猫res, M., Freeman, C. R., Skamene, S. R., & El Naqa, I. (2015). A radiomics model from joint FDG-PET and MRI texture features for the prediction of lung metastases in soft-tissue sarcomas of the extremities. Physics in medicine and biology, 60(14), 5471.
4. Lee, S., Ybarra, N., Jeyaseelan, K., Seuntjens, J., El Naqa, I., Faria, S., ... & Robinson, C. (2015). Bayesian network ensemble as a multivariate strategy to predict radiation pneumonitis risk. Medical physics, 42(5), 2421-2430.
5. Coates, J., Jeyaseelan, A. K., Ybarra, N., David, M., Faria, S., Souhami, L., ... & El Naqa, I. (2015). Contrasting analytical and data-driven frameworks for radiogenomic modeling of normal tissue toxicities in prostate cancer. Radiotherapy and Oncology.
6. Hatt, M., Majdoub, M., Vallieres, M., Tixier, F., Le Rest, C. C., Groheux, D., ... & Visvikis, D. (2015). 18F-FDG PET Uptake Characterization Through Texture Analysis: Investigating the Complementary Nature of Heterogeneity and Functional Tumor Volume in a Multi鈥揅ancer Site Patient Cohort. Journal of Nuclear Medicine, 56(1), 38-44.
7. Lee, S., Stroian, G., Kopek, N., AlBahhar, M., Seuntjens, J., & El Naqa, I. (2012). Analytical modelling of regional radiotherapy dose response of lung. Physics in medicine and biology, 57(11), 3309.

听