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.

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.