Radiobiologie

Au laboratoire de radiobiologie, les principaux intérêts de recherche se situent au niveau de la bio-informatique, de l’analyse d’images multi-modalités et de la modélisation de la réponse au traitement, tous trois en lien avec l’oncologie. La principale motivation est de concevoir et développer de nouvelles approches pour évaluer la réponse au traitement de chimiothérapie et de radiothérapie des patients atteints du cancer en intégrant les informations physiques, biologiques et celles provenant de l’imagerie en différent modèles mathématiques. Ces modèles pourraient ensuite être utilisés pour personnaliser les traitements de chimiothérapie et de radiothérapie en se basant sur la prédiction des bénéfices et des risques pour les patients. Par ailleurs, d’autres travaux de recherche au laboratoire de radiobiologie évalue la possibilité d’utiliser des cellules souches provenant de la moelle osseuse pour réduire les risques de pneumonie, ce qui correspond à un des effets secondaires les plus observés après l’irradiation chez les patients atteints de cancer du poumon. Dans cette optique, un modèle animal de la pneumonie causée par la radiation utilisant des rats a été développé et testé avec différentes routes d’administration de cellules souches mésenchymes provenant de la moelle osseuse. Finalement, le laboratoire s’intéresse aussi au développement de thérapies alternatives qui pourraient potentiellement réduire les effets secondaires de la radiothérapie.

Le groupe de recherche en radiobiologie supervisé par Issam El Naqa. De gauche à droite : Jessica Perez, Seema Ambereen, Daniel Cooper, Simon Vallières, Sangkyu Lee, André Diamant Boustead, Norma Ybarra, Asha Jeyaseelan.

Publications récentes

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. Vallières, 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–Cancer 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.