Développer et évaluer un modèle de prédiction de la survie globale (OS) à 2 ans, basé sur le deep learning, chez des patients traités par radiothérapie pour un cancer du poumon non à petites cellules.

a) Construire et évaluer les modèles de prédiction, basé sur le deep learning des patients traités par radiothérapie pour un cancer du poumon non à petites cellules, de la : - Survie sans récidive - Survenue d’un évènement cardiovasculaire - Survenue d’une rechute locale - Survenue d’une pneumopathie radique

b) Décrire les points du scanner ayant permis la prédiction (utilisation de grad-Cam ou analyse de sensibilité à l’occlusion).  

Valider l’automatisation du calcul de la dose déposée par le lutétium 177 et d’une méthode d’identification automatique des tumeurs à partir de l’imagerie post-thérapeutique corps-entier avec des critères physiques et biologiques.

NB : Cette étude, réalisée à partir des éléments déjà renseignés dans le dossier médical conservé dans l'établissement de prise en charge, ne présente aucune contrainte ni aucun risque.En savoir + : voir note d'information ci dessous.

Etudier l’association entre l’état nutritionnel en Baseline (albuminénie, IMC, index musculaire squelettique en L3) et la dose-intensité relative de Trabectédine, mesurée sur les 3 premiers cycles chez les patients ayant reçu au moins 3 cycles de traitement par Trabectédine avant progression. 

- Etudier l’association entre les critères d’évaluation de l’état nutritionnel en baseline

- Etudier l’association entre la sévérité des toxicités observées lors du 1er cycle et l’état nutritionnel en baseline (index musculaire squelettique en L3)

- Etudier l’association entre l’état nutritionnel en baseline (index musculaire squelettique en L3) chez les patients ayant reçu au moins 3 cycles et la survie globale  

Le carcinome hépatocellulaire (CHC) est la troisième cause de mortalité par cancer dans le monde. En cas de non-résécabilité de la tumeur ou non opérabilité du patient, la radioembolisation transartérielle (TARE) est une alternative thérapeutique récente efficace et sûre. Actuellement, la réponse au traitement est évaluée par dosage de marqueurs sanguins et par imagerie par résonance magnétique (IRM). Il s’agit essentiellement d’une mesure de variation de taille, rudimentaire, et d’une analyse qualitative du signal obtenu au niveau tumoral, donc dépendante à la fois de l'observateur et de l'appareillage. Par ailleurs les modifications tumorales après TARE ne sont habituellement visibles qu'après plusieurs mois, qu'il s'agisse de réponse ou de progression, et une pseudo-progression initiale peut être observée. Des méthodes d’évaluation précoce objectives ou bien de prédiction de réponse seraient des atouts majeurs dans la prise en charge de ces patients souvent lourdement comorbides.

L’objectif de notre étude monocentrique prospective est de caractériser avant et après TARE les CHC et le tissu hépatique sain à l’aide de séquences IRM innovantes récemment implémentées en pratique clinique quotidienne.

Décrire les délais entre les étapes d’un traitement de radiothérapie, globalement et selon la pathologie (localisation du primitif, stade localisé vs métastatique)

Identifier les facteurs associés à ces délais ou au risque d’interruption de prise en charge avant le début de la radiothérapie (éventuellement dans une sous population bien documentée a priori : Tête et cou).

Estimer la proportion de décès survenant quelques jours après une radiothérapie d’une localisation métastatique.

Objectif : mieux comprendre la signalisation du récepteur Fas/CD95 et son rôle dans la progression des tumeurs ORL et la résistance de ces tumeurs à l'immunothérapie.

Type d’étude/approche méthodologique : Imagerie multiplex multispectrale (PhenoImager ®). La demande concerne des blocs de tissu FFPE pour réaliser la mise en place des nouveaux panneaux de marquages multiplex IF.

Objectif principal:

Evaluation des caractéristiques cliniques, radiologiques et/ou biologiques des patients traités pour un cancer du poumon métastatique ayant pu bénéficier d’un traitement par immunothérapie pendant au moins un an.

La société Pliant Therapeutics est une société biopharmaceutique américaine qui concentre ses travaux sur le traitement de la fibrose (en phase clinique) et sur le développement de nouvelles thérapies basées sur l’inhibition de la voie du TGF-ß. L’un des principaux rôles physiologiques du TGF-ß est l’effet anti-inflammatoire, qui peut être augmenté lorsque certaines intégrines comme αvβ8 sont surexprimées. Ce mécanisme est rapporté comme une cause potentielle de résistance aux immunothérapies comme les anti-PD1. Dans des résultats préliminaires ils ont démontré que l’inhibition de l’intégrine αvβ8 pouvait inactiver l’effet TGF-Béta et ainsi restaurer le contrôle du système immunitaire.

Une collaboration a été initiée avec le Centre Léon Bérard en 2021 afin de réaliser des études précliniques pour faire la preuve de concept de leur molécule. La Plateforme Ex-Vivo avec l’expertise de Julien Marie, chercheur au CRCL, a mis en place un système de culture ex-vivo qui permet d’analyser la réponse des cellules tumorales et immunitaire dans une tumeur de patient soumis à un traitement d’intérêt.

Les 1ers tests Exvivo réalisés sur une dizaine d’échantillons mammaires ont démontré une augmentation du pouvoir cytotoxique des Lymphocyte TCD8 indépendamment de la quantité de l’infiltrat lymphocytaire de la tumeur. Une nouvelle étude est en cours afin de tester si leur molécule peut restaurer une réponse dans un contexte de résistance à une immunothérapie, comme c’est souvent le cas dans les mélanomes.

Dans une cohorte de patientes atteintes de cancers du sein, nous allons analyser l’expression de gènes RNA-seq et les données de méthylation d’ADN pour chaque patient. Nous allons analyser la corrélation statistique entre le niveau d’expression du gène DNMT3B, le taux de méthylation dans les régions promotrices des gènes suppresseurs de tumeurs et leurs niveaux d’expression correspondants dans différents sous-types du cancer du sein, en prenant en compte les données de survie.

Cette étude nous permettra de proposer une nouvelle option thérapeutique pour un groupe de patients DNMT3B+/GATA3-, en particulier dans le sous-type moléculaire basal-like.

La scintigraphie parathyroïdienne comprend 2 images 2D et une tomoscintigraphie (3D).Elle est parfois complétée par une TEP à la F-Choline.

Nous pensons que l’apprentissage machine, notamment le deep learning, peut permettre de créer un modèle d’interprétation automatique des images 2D. 

Un tel modèle permettrait au moins d’accélérer le processus d’interprétation et de rédaction de compte rendu, et au mieux d’éviter des imageries complémentaires (tomoscintigraphie 3D ou TEP)

Objectif principal : Créer un modèle performant en utilisant les patients de 2019, 2020 et 2021,2022 et 2023 comme base d’entrainement/validation à l’exception de quelques patients de 2022 et 2023 qui constitueront la base de test.

Objectifs secondaires : Evaluer l’impact des pathologies thyroïdienne sur les performances du modèle.