- L'Université de Lyon
- Formation
-
Recherche
-
Innovation et entrepreneuriat
- Actualités et présentation
- Entreprendre pendant et après ses études : le Centre d'Entrepreneuriat
- Innover autrement : Fabrique de l’Innovation
- Accélérer les innovations : PULSALYS
- Coordonner l'innovation à potentiel scientifique : PUI IMPULSE
- Entreprendre et innover avec un doctorat
- Découvrir l’industrie : INDULO, un dispositif de médiation industrielle
- International
-
Vie des campus
- Actualités et présentation
-
- Carte des campus
- Pilotage immobilier
-
Responsabilité sociétale et environnementale
- Climat comment agir ?
- La stratégie de site
- Stratégies et études prospectives
-
Culture, sciences et société
- Actualités et présentation
-
- Le portail Pop'Sciences
- La programmation toute l'année
- Le Pop'Sciences Mag
- Festival Pop'Sciences
-
Pop'Sciences Jeunes
- Pop'Sciences Jeunes reportages 2023/2024
- Stage 3e
- Pop'Sciences et le projet LYSiERES²
- Fête de la science
Vous êtes ici : Version Française > Actualités et présentation > Doctorat
-
Partager cette page
ED 656 - Cancérologie biologie santé
Publié le 26 novembre 2024 | Mis à jour le 26 novembre 2024
Deep Learning Model for Predicting Chemotherapy Response from Histology and Transcriptomic Data (ReCheDeep)
Gastric cancer is the second leading cause of cancer mortality worldwide, with over 1,000,000 patients diagnosed and a very poor prognosis. The 5-year survival rate for advanced or metastatic stages is between 5% and 20%, with a median overall survival of less than one year. (1) The recommended treatment for locally advanced forms consists of perioperative systemic chemotherapy (based on 5-fluorouracil and cisplatin), without patient selection by a biomarker, and gastrectomy with lymph node dissection. Despite this treatment, postoperative recurrences remain frequent, with a third of cases localized to the liver and peritoneum.