L'épendymome (EPN) est la troisième tumeur cérébrale la plus fréquente chez l'enfant. Elle présente des caractéristiques variables, avec des sous-types moléculaires PF-EPN-A et PF-EPN-B (fosse postérieure), ZFTA et YAP1 (supratentoriels). Malgré ces caractéristiques qui sont corrélées à la survie, la norme actuelle de soins reste la résection maximale suivie d'une radiothérapie adjuvante. 

Une amélioration des taux de survie a été observée, mais la rechute reste un défi majeur. En effet, la survie sans rechute à 5 ans est de 40 % et la rechute survient principalement dans le lit tumoral initial.

Les rechutes tardives sont une cause majeure de décès car non détectée précocement lors de la surveillance par IRM standard. La valeur ajoutée de l’IRM avancée dans l’identification des zones à risque de rechute et sa détection précoce reste à explorer. L’utilisation de plusieurs types d’imagerie métabolique pourraient être explorées pour optimiser la détection des facteurs de risques et des rechutes précoces.

La radiomique a été appliquée à de nombreux problèmes cliniques en oncologie. Cependant, le manque de généralisation du modèle radiomique et de reproductibilité des résultats rendent sa translation en pratique clinique difficile. En effet, les valeurs des caractéristiques radiomiques peuvent être affectées par des différences dans diverses parties du flux de travail radiomique. Ces variabilités entravent le regroupement de données provenant de différents centres et peuvent entraîner des modèles biaisés et non fiables. Deux approches ont été proposées pour réduire les effets d’hétérogénéité des données et font appel à des algorithmes d’intelligence artificielle en constante évolution.

Dans ce contexte, il est crucial d'explorer le potentiel des approches multimodales innovantes pour la prédiction des risques de rechute de l’EPN. L’utilisation de l'IRM avancée pour leur détection précoce et leur prédiction en identifiant les zones à haut risque, permettrait une prise en charge personnalisée et optimisée du traitement des patients.

Dans cet objectif, nous rassemblons les données cliniques, biologiques, d’imagerie et de radiothérapie de patients ayant participé à deux études consécutives ayant inclus tous les enfants et adolescents porteurs de cette maladie depuis 2000 en France, soit 450 patients, complétées par des données de radiothérapie de la base PediaRT. En plus des interlocuteurs de chaque centre participant, EP-ARMI rassemble deux équipes de recherche en imagerie, une équipe d’histopathologie et une équipe de biostatistiques pour mener à bien ce projet. 

Le présent projet se propose donc de s'appuyer sur les résultats obtenus lors du projet EPENDYMOMICS (fin 2025), pour 

1) approfondir l’évaluation clinique en augmentant la puissance statistique de la validation de ces résultats via une cohorte plus large, 

2) développer davantage les aspects méthodologiques de stabilités des radiomiques, d’extraction, d’harmonisation et de fusion de l’information médicalement pertinente des différentes modalités de données (images IRM, lames histopathologie, biomoléculaire) en s’appuyant sur des méthodologies d’apprentissage profond existantes et en cours de développement,

3) combiner ces informations extraites pour développer des modèles d’identification et prédiction des rechutes qui soient suffisamment précis pour permettre une prise en charge personnalisée, et suffisamment robustes et explicables pour que les utilisateurs finaux aient confiance dans les modèles en question.