Création et évaluation d'un modèle d’intelligence artificielle (IA) de segmentation automatique de métastases cérébrales pour le suivi des patients après radiothérapie stéréotaxique - OLIGO-BM-FAAST (OLIGO_BM Follow-up Assessment by Artificial intelligence after SBRT)

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Les métastases cérébrales se développent chez 20 à 40% des patients atteints de cancer et représentent la manifestation la plus courante de tumeurs malignes cérébrales. Leur suivi est difficile car les méthodes d’évaluation sont variées et complexes. Récemment, la technologie de l’intelligence artificielle, en particulier le « deep learning », permet d’analyser plus précisément les images médicales. Des réseaux de neurones avancés, comme les modèles UNETR, aident à segmenter automatiquement les métastases dans les scanners cérébraux, ce qui pourrait améliorer le suivi des patients.
Cependant, ces outils sont encore peu utilisés en pratique clinique. Une étude est en cours pour tester ce modèle UNETR dans un service de radiothérapie, afin d’évaluer son efficacité pour surveiller les patients après un traitement ciblé des métastases cérébrales.

L’objectif principal de cette étude est d’évaluer les capacités et l’intérêt d’un modèle d’IA de segmentation automatique des métastases cérébrales dans le suivi des patients après irradiation stéréotaxique.

Plusieurs objectifs secondaires :
- Evaluer la corrélation de la réponse selon RANO-BM grâce aux mesures obtenues sur la segmentation automatique par IA et de la réponse selon RANO-BM établie par le radiologue
- Evaluer la qualité de la segmentation automatique par IA en comparaison à une segmentation manuelle
- Evaluation des capacités de détection de métastases cérébrales du modèle de segmentation automatique par IA ainsi que de la qualité subjective de la segmentation par des observateurs-expert
- Chez les patients en progression : évaluation de la capacité du modèle à détecter une progression sur les IRM antérieurs
- Extraire, sélectionner et analyser des paramètres radiomiques et dosiomiques prédictifs de réponse au traitement ou de survenue de radionécrose, obtenus par le modèle de segmentation automatique par IA
Pour répondre à ses objectifs, cette recherche non interventionnelle s’appuie sur des données cliniques et biologiques existantes, collectées de manière standardisée. Les chercheurs évalueront les capacités du modèle IA de segmentation automatique en utilisant des modèles statistiques pour identifier des différences significatives tout en tenant compte des caractéristiques des patientes (localisation, stade
de la maladie...).
Cette étude concerne des patient(e)s majeur(e)s ayant moins de 10 métastases cérébrales d’une tumeur solide avec un diagnostic histologiquement prouvé (pour la tumeur solide), ayant reçu une irradiation stéréotaxique selon le schéma 3*10 Gy prescrits sur l’isodose périphérique sur au moins une des lésions.