L’imagerie TEP 18 FDG en oncologie est un pilier de l’imagerie diagnostique et du suivi permettant d’évaluer l’activité tumorale et la réponse auxthérapeutiques.

Malgré son rôle central, l’interprétation de la TEP reste un processus complexe, chronophage et subjectif avec ainsi plusieurs limites :

- Charge de travail croissante (augmentation du nombre d'examens).

- Variabilité inter et intra-observateur.

- Absence d’outils automatisés robustes.

Parallèlement, des modèles d’intelligence artificielle et en particulier le Vision-Language-Model ont la capacité théorique de comprendre conjointement desimages et des textes et de lier des régions anatomiques à des descriptions sémantiques et ainsi générer des comptes rendus cohérents.

L’objectif serait ainsi de développer un VLM dans l’analyse des séquences temporelles de TEP 18FDG en oncologie afin de pouvoir produire des comptesrendus structurés suite à un apprentissage massif supervisé d’au moins 3000 TEP 18FDG présents dans la base de données du Centre Antoine Lacassagne.

A noter, qu’il n’existe pas à notre connaissance de VLM spécifiquement entrainé sur des volumes d’imagerie TEP 18FDG.

Les avantages d’un développement d’un modèle VLM robuste comme outil à la décision fiable serait :

- La détection automatique des anomalies métaboliques (différenciation de lésions tumorales et pièges physiologiques ou signaux inflammatoires/infectieux).

- La standardisation des CR.

- La réduction des variations inter-observateurs et donc amélioration de la reproductibilité.

- Gain de temps significatif (concentration de l’expertise des médecins nucléaires sur de cas complexes).

Objectif principal :

Evaluation des performances diagnostiques d’un modèle d’intelligence artificielle de type Vision-Language-Model (VLM) développé au sein du service demédecine nucléaire du CENTRE ANTOINE LACASSAGNE pour l’analyse d’images temporelles de TEP FDG indiqués pour l'évaluation de la réponse tumorale etla rédaction de compte rendu d’examens TEP au 18 FDG en oncologie, en les comparant aux interprétations réalisées par des médecins nucléaires.

La chirurgie des cancers de l'ovaire fait désormais l'objet d'autorisations spécifiques de l'ARS. Il est indispensable de disposer d'une base de données solide pour évaluer nos pratiques et améliorer la prise en charge de nos patientes.

Objectif principal : fiabilité de l'évaluation de la résécabilité

Objectifs secondaires : délais de prise en charge, données de survie, taux de chirurgie en front-line versus différée, taux de complications, type de chirurgie(CHIP, voies d'abord, ...), taux de participation aux essais

Ces données doivent pouvoir être extraites chaque année, et de façon intermédiaire tous les 3 mois pour le rapport à l'ARS

Analyser les données des patients ayant reçu une combinaison de vénetoclax-obinutuzumab (VenO) afin d’en décrire le profil de tolérance et d'en étudier l'efficacité en vie réelle.

Il s’agit d’une étude rétrospective portant sur les patients CBNPC de stade IV avec mutation Kras G12C traités par sotorasib dans cadre de l’accès précoce et adagrasib dans le cadre de l’accès compassionnel, au Centre Léon Bérard et au CHU de Limoges.

Les métastases cérébrales de primitif inconnu (MC-CUP) sont des tumeurs qui se développent dans le cerveau sans que l’on puisse identifier l’organe d’origine du cancer. Cela complique le choix des traitements et aggrave le pronostic. Ce projet vise à utiliser l’analyse de la méthylation de l’ADN tumoral pour mieux classifier ces tumeurs et guider les traitements. L’objectif est d’améliorer le diagnostic et de proposer des thérapies plus adaptées aux patients atteints de MC-CUP.

Ce projet vise à analyser les mécanismes de résistance aux inhibiteurs de CDK4/6 chez les patientes atteintes de cancer du sein métastatique HR+/HER2- porteuses de mutations BRCA1/2. L’objectif est de proposer des approches thérapeutiques plus adaptées et efficaces.

L’objectif du projet est de créer une solution de planification de traitement automatisée pour les tumeurs de la tête, du cou et du cerveau. Une telle solution réduirait les délais entre le diagnostic et la prise en charge des patients, permettant un désengorgement des services en tension. De plus, l’automatisation garanti un alignement des traitements sur les standards cliniques et, à terme, la radiothérapie adaptative.  

Évaluer un outil d’intelligence artificielle en imagerie nommé Raidium. 

La société Raidium développe un logiciel pour visualiser des images médicales (comme les scanners et IRM). Ce logiciel intègre une intelligence artificielle avancée capable d’analyser ces images et d’autres informations (comptes rendus, commentaires). 

Ce logiciel vise à faciliter le travail du radiologue et à améliorer la qualité de la prise en charge en imagerie médicale

Il est démontré que les neurones (cellules cérébrales normales) peuvent stimuler la croissance des tumeurs cérébrales. La Magnéto-Encéphalo-Graphie (MEG) est une technique qui permet de mesurer les champs magnétiques produits par l’activité neuronale. Chez des patients atteints de tumeur cérébrale, la MEG a permis d’identifier deux types de zones différents. Les caractéristiques précises de ces deux types de zones ne sont pas connues. Chez des patients porteurs de glioblastome et ayant eu une MEG avant la chirurgie, des prélèvements ciblés seront réalisés dans ces deux types de zone. L’objectif du projet est de réaliser une analyse métabolique des échantillons. Le but est d’identifier des spécificités métaboliques, propres à chaque type de zone, pouvant faire l’objet d’un ciblage thérapeutique. Ce ciblage pourrait permettre de moduler les interactions entre les neurones et les glioblastomes, ralentir la progression de la maladie et améliorer ainsi à la fois la qualité de vie et le pronostic.   

L’objectif principal de cette étude multicentrique retrospective est d’évaluer la survie sans progression chez des patients atteints d’un adenocarcinome de vessie (ouraque ou non ouraque) traités par cystectomie.