L’objet de cette demande est de constituer une base de données structurées des caractéristiques des patients du centre Léon Bérard traités par chimiothérapie neo-adjuvante pour un cancer du sein triple negatif non métastatique.

Le projet SUBSTRA,  faisant partie du consortium HEALTHCHAIN, a pour but d’essayer de predire la réponse complete histologique à la chimiothérapie néo-adjuvante à partir de l’analyse automatique de lames d’anatomo-pathologie numérisée issue de la biopsie diagnostique. Outre cette analyse automatique de l’image, le projet SUBSTRA permettra d’implémenter le modèle prédictif issu des données du CLB avec le modèle de l’institut CURIE via une technologie de federated learning qui permettra aux données de rester dans chacun des établissements.

L’objectif de notre étude est d’évaluer de manière rétrospective l’impact de du traitement adjuvant suivant les trois groupe cités ci-dessous sur la survie globale des patientes présentant un carcinome séreux papillaire et à cellules claires au stade précoce (IA et IB).

• Groupe 1 : Chimiothérapie +/- RT +/- curiethérapie 
• Groupe 2 : RT +/- curiethérapie
• Groupe 3 : Surveillance ou curiethérapie seule 

Utilisation des échantillons et données collectées dans les recherches pour la compréhension des mécanismes biologiques de développement des cancers du sein et pour la transposition au soin afin d'adapter la prise en charge thérapeutique et la surveillance.

L’intérêt stratégique de ce projet est de mener une étude rétrospective nationale multicentrique afin d’obtenir un état des lieux des pratiques concernant les tumeurs de l’ouraque. Cette étude s’intègre dans une collaboration multicentrique des centres du GETUG mais également de centres libéraux impliqués dans la recherche clinique.

Objectif principal :

• Valider le calcul de l'OS et de la PFS
• Des principaux cancers non hématologiques, traité à l’institut Paoli-Calmette (Sein, Colon, Poumon, Prostate).
• Issues des bases de données pathologies créent depuis le 1/01/2014.
• Par l’application ConSore comparé au Gold Standard, l’évaluation suite au recueil de données par un opérateur entraîné,

Objectifs secondaires :

• Calculs Se, Sp, VPP, VPN
  • de l’évaluation du statut :
    • Vivant
    • Métastatique
    • Catégories spécifique à chaque pathologie
  • de l’extraction des dates :
    • du diagnostic principal
    • de première progression
    • des dernières nouvelles
    • de décès
    • à différents seuils de tolérance d'erreurs.

Evaluation qualitative de la nature des erreurs 

Nous souhaitons effectuer une étude rétrospective dosimétrique sur des patients traités au CLB, atteints de métastases multiples cérébrales et sur d’autres patients atteints de tumeurs paraspinales. 

Le but est de réaliser une étude dosimétrique qui compare les performances d’un nouveau logiciel de planification expert (Brainlab) à celles de Multiplan (Accuray), le logiciel ayant servi à réaliser les plans avec lesquels les patients ont été traités. 

Nous avons donc besoin d’utiliser les CT dosimétriques (anonymisés) des patients pour réaliser de nouveaux plans. Aucun traitement issu du logiciel expert ne sera réalisé sur patients. 

Le responsable de ce programme qui en assure la gestion et la responsabilité, ainsi que du traitement des données est le Centre Léon Bérard. 

Le contenu des données dosimétriques obtenues peut être utilisé à des fins de publications et/ou potentiellement par la société Brainlab à des fins de marketing, étude ou autres démonstrations.  

Seules les données dosimétriques issues du TPS Brainlab pourront être fournies à la société, à leur demande. Les données dosimétriques (RT dose, RT plan) obtenues avec Multiplan ne seront, en revanche, pas fournies. Sur demande, à des fins d’illustration, la société Brainlab pourra avoir des captures d’écran des résultats.

Evaluer les méthodes et le rôle pronostic de la protéine βig-h3 dans le cancer du pancréas.

Développer des méthodes et évaluer la valeur prédictive du micro-environnement des tumeurs pour la réponse aux thérapies.

Valider la valeur pronostique des fibroblastes associés au cancer et évaluer leur valeur prédictive de réponse aux traitements du cancer du pancréas.

Development and implementation machine-learning algorithms in the search of predictive biomarkers for breast cancer treatment. This innovative strategy will lead to personalized medicine in breast cancer by guiding clinicians in the selection of the optimal therapeutic option. Moreover, this generated pipeline for predictive marker discovery could be further adapted for the treatment of other cancer types.