Mots-Clés
Intelligence artificielle
Multi-omique
Génomique
Pathomique
Radiomique
Intégration de données
Lymphome folliculaire
Description
Contexte
Les examens d’imagerie in vivo par tomographie d’émission de positons (TEP) ont déjà démontré leur utilité pour prédire la progression sans récidive (PFS) et la survie totale (OS) de patients atteints de lymphomes, et ce pour différents types de lymphomes. En particulier, le volume métabolique tumoral total mesurable à partir d’examens TEP au 18F-Fluorodeoxyglucose (FDG) corps entier a été démontré comme étant un biomarqueur pronostique, de même que la dissémination de la maladie, ou encore la localisation des foyers tumoraux. Si les informations d’imagerie TEP contribuent indéniablement à affiner le pronostic des patients, des études réalisées dans d’autres contextes suggèrent que la combinaison d’informations issues des images médicales, des coupes anatomopathologiques, du dossier clinique, et des prélèvements biologiques améliore la précision des prédictions obtenues avec un seul type de données. L’hypothèse du travail de thèse est que la combinaison d’informations issues des images médicales, des coupes anatomopathologiques, du dossier clinique, et des prélèvements biologiques va permettre d’améliorer le pronostic des patients atteints de lymphome folliculaire présentant soit une forte charge tumorale, soit une faible charge tumorale.
Objectifs
L’objectif de la thèse est de proposer des modèles multi-omiques, intégrant des caractéristiques radiomiques, cliniques, pathomiques, et génomiques, pour prédire l’évolution à deux ans de patients atteints de lymphomes folliculaires à forte ou faible masse tumorale. Le projet s’intègre dans le cadre de la collaboration nationale BIDIFLY, soutenue par la fondation américaine IFLI et par l’Inserm.