MoPETFol Modélisation et valeur pronostique des mesures radiomiques répétées en imagerie par PET-scanner pour la détection des rechutes précoces dans le lymphome folliculaire.

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Le lymphome folliculaire (FL) est le lymphome indolent le plus fréquent, avec des évolutions cliniques très variables. Le traitement standard consiste en une induction par chimio-immunothérapie suivie d’un entretien par immunothérapie anti-CD20. Les patients qui présentent une progression dans les 24 mois (POD24) ont un pronostic défavorable, avec seulement 50 % de survie à cinq ans. La prédiction précoce de la POD24 constitue donc un besoin médical crucial non satisfait.
Les outils pronostiques existants reposent principalement sur des variables cliniques et biologiques de base, avec une utilisation limitée de l’imagerie (PET-CT), bien qu’elle soit la référence pour l’évaluation de la réponse initiale et en fin d’induction (EOI). La plupart des caractéristiques pronostiques dérivées du PET-CT sont jusqu’à présent mesurées au diagnostic, même si les PET-CT intermédiaires (en cours d’induction) et en fin d’induction ont montré un potentiel prometteur pour la prédiction précoce des rechutes dans des séries relativement petites. L’analyse séquentielle de ces images PET-CT à différents moments du traitement pourrait améliorer la performance pronostique en suivant l’évolution des lésions.
L’intelligence artificielle, en particulier les réseaux de neurones convolutifs, offre de nouvelles approches pour capturer la complexité des images PET. Ce projet vise à développer de nouveaux biomarqueurs d’imagerie basés sur le PET pour la prédiction de la POD24 dans le FL, en utilisant des PET-CT séquentiels et la modélisation statistique.
L’étude en vie réelle nationale REALYSA offre une opportunité unique, avec plus de 528 patients suivis prospectivement, disposant de données biologiques, cliniques et de suivi, associées à 1 248 examens PET-CT séquentiels à analyser.

Objectif principal du projet
Contribuer au développement de nouveaux biomarqueurs d’imagerie dans le lymphome folliculaire (FL), basés sur des images PET-CT séquentielles et une modélisation statistique permettant de soutenir des mesures longitudinales pour affiner la prédiction au fil du temps.
Hypothèse
Nous faisons l’hypothèse que l’intégration des images PET-CT réalisées en cours d’induction (mid-induction) et/ou en fin d’induction (EOI) dans les modèles pronostiques améliorera la prédiction de la POD24 chez les patients atteints de FL.

Objectifs principaux
• Décrire l’évolution conjointe des lésions entre 2 et/ou 3 timepoints et identifier des schémas de réponse potentiellement liés au pronostic, défini par les événements POD24 (objectif principal).
• Développer une approche pour modéliser conjointement les caractéristiques extraites des différentes lésions avant, pendant (mi-induction) et après traitement, en tenant compte de la corrélation spatiale des lésions, en lien avec un critère clinique de survie (POD24, OS, PFS) (objectifs secondaires).
• Proposer des approches statistiques pour identifier les statistiques les plus pronostiques, en intégrant la composante temporelle à la mesure de distance inter-lésion (objectifs secondaires).
• Intégrer les schémas d’évolution PET-CT identifiés aux données biologiques et cliniques de base (objectifs secondaires).