Contexte : Le glioblastome (GB) est une tumeur agressive dont la récidive quasi-systématique est en grande partie due à son hétérogénéité et à la présence de cellules souches tumorales (GSC) dont l’agressivité et le profil invasif ou de plasticité sont différents selon les zones de la tumeur et selon les patients. Lors de l’essai clinique STEMRI que nous avons développé et visant à étudier l’enrichissement en GSC dans certaines zones de la tumeur définies par IRM multimodale, nous avons pu obtenir des GSCs issues de différents prélèvements guidés par l’IRM multimodale, caractérisées in vitro mais également in vivo par implantation orthotopique dans la souris et ayant généré des tumeurs de profils différents. Les données de survie des patients correspondants sont également disponibles. Le but de ce projet est d’analyser par Deep Learning les 51 données RNAseq tumoraux et les 116 images correspondantes de coupes histologiques de tumeurs obtenues afin de caractériser et de mettre en évidence des gènes et cibles thérapeutiques potentielles impliquées dans l’agressivité des GSC, l’impact sur la survie des patients et leur mode de récidive. Cette étude permettra à terme de prédire dès le diagnostic de GB, le type de récidive et de proposer un traitement personnalisé.

Objectif principal : Etudier par Deep Learning la capacité à déterminer à partir des données RNAseq des cellules souches de glioblastomes en culture au laboratoire ainsi que des données d’examens microscopiques des tumeurs générées chez la souris par implantation de ces cellules de façon orthotopique, le profil d’agressivité et la prédiction potentielle du pattern de récidive.

Objectifs secondaires : Vérifier le pattern de récidive sur les IRM cérébrales des patients inclus dans l’essai STEMRI et dont les prélèvements tumoraux ont généré les cellules souches caractérisées.

Décrire les caractéristiques et l’évolution des patients traités par inhibiteurs de checkpoint immunitaire présentant une artérite à cellules géantes et identifier des facteurs de risque associés à la gravité.

Évaluation de l’efficacité de la chimiothérapie néoadjuvante dans les tumeurs des voies excrétrices supérieures (TVES) éligibles à une chirurgie curative.

Critère de jugement principal : Taux de réponse pathologique

Principal :

• Déterminer l’impact pronostic de l’administration d’une chimiothérapie néoadjuvante chez les patients avec un adénocarcinome colique considéré comme à « haut risque » sur les données clinico-radiologiques préopératoires.

Secondaires :

• Analyser les critères ayant conduit à la décision de chimiothérapie pré opératoire
• Analyser la corrélation entre le staging tumoral déterminé par l’imagerie préopératoire et l’analyse histopathologique définitive de la pièce opératoire
• Analyser la corrélation entre les modalités du traitement pré-opératoire reçu (FOLFOX vs FOLFIRINOX, 4 cycles vs 6 cycles) et la réponse tumorale.
• Déterminer l’impact de la chimiothérapie néoadjuvante sur la survie en fonction de sous-groupes de patient prédéfinis (statut moléculaire, statut MSI).

Analyse des caractéristiques des patients n’ayant pas bénéficié d’une telle stratégie (patient non répondeurs/progressifs ou patient ayant présenté des complications empêchant l’aboutissement de la stratégie thérapeutique initialement prévue).

L’objectif est de chercher et lister les besoins en soins de support oncologiques en fin de traitement actif pour organiser et mettre en place les soins de support pendant la phase de rémission, en vue de préparer la phase après-cancer.