Contexte : Le glioblastome (GB), tumeur cérébrale la plus agressive, présente des rechutes quasi-systématiques. A la rechute, la ré-irradiation a une efficacité limitée et l’association à l’immunothérapie est un espoir. Mais la réponse à ces associations est hétérogène et nécessite de nouveaux outils d’analyse pour identifier des profils de patients qui en bénéficieraient. Basé sur l’essai clinique national STERIMGLI promu par l’Institut Claudius Regaud, étudiant la ré-irradiation des patients porteurs de GB en rechute associée à un anti-PDL1, nous proposons par des techniques d’intelligence artificielle, de traiter des données de plus d’une centaine de patients inclus dans cet essai (données longitudinales d’IRM multimodales mais aussi des données biologiques prises à intervalle de temps régulier jusqu’à la rechute), afin de générer des modèles de décision thérapeutique et de prédiction de la réponse.

Objectif principal : prédiction de la réponse thérapeutique à la re-irradiation stéréotaxique +/- associée à l’immunothérapie par l’analyse par intelligence artificielle de données multimodales (IRM, dosimétries, analyses exosomes, cytokines, taux de lymphocytes, etc...)

Objectifs secondaires : fournir un arbre de décision pour un tel traitement.