SEGCER : Développement et validation d'un outil de segmentation automatique des niveaux ganglionnaires cervicaux sur la composante tomodensitométrique des examens TEP-TDM :analyse des biais et amélioration de la robustesse

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

La localisation précise des adénopathies au sein des niveaux ganglionnaires cervicaux est importante dans la prise en charge des cancers des voies aérodigestives supérieures, notamment pour la stadification, la planification thérapeutique et l’interprétation des examens d’imagerie. La délinéation manuelle de ces niveaux repose cependant sur de nombreux repères anatomiques et reste chronophage et sujette à une variabilité interobservateur. Des modèles de segmentation automatique fondés sur le deep learning ont montré de bonnes performances sur des scanners de planification de radiothérapie.
Cependant, leur capacité à généraliser à des examens TEP-TDM réalisés en pratique clinique reste peu étudiée. Les différences de résolution spatiale, de protocole d’acquisition, d’injection de produit de contraste et de pratiques d’annotation peuvent entraîner une diminution des performances lorsqu’un modèle est appliqué à des données différentes de celles utilisées pour son entraînement.
L’objectif de cette étude est donc d’évaluer, sur une cohorte indépendante de TEP-TDM du Centre Antoine Lacassagne, les performances de modèles de segmentation automatique des niveaux ganglionnaires cervicaux entrainés sur des cohortes issues de la littérature, d’identifier les principaux facteurs associés à une perte de généralisation et d’évaluer des stratégies permettant d’en améliorer la robustesse. L’étude vise également à apprécier leur utilité pour l’attribution automatique des ganglions pathologiques à leur niveau cervical.

Objectif principal : Évaluer la performance en validation externe de modèles de segmentation automatique des niveaux ganglionnaires cervicaux I à V, développés à partir de jeux de données publics, lorsqu’ils sont appliqués à la composante tomodensitométrique d’examens TEP-TDM au 18F-FDGréalisés en pratique clinique au Centre Antoine Lacassagne
Objectifs secondaires : - Étudier les facteurs susceptibles d’influencer la performance de segmentation, notamment le volume des régions ganglionnaires, la résolution spatiale, l’injection de produit de contraste iodé et la variabilité des annotations. - Évaluer l’effet de stratégies d’adaptation locale du modèle, notamment le fine-tuning et le post-traitement anatomique. - Évaluer la pertinence clinique des segmentations en mesurant la capacité des modèles à attribuer correctement les ganglions cervicaux métastatiques hypermétaboliques à leur niveau anatomique de référence.

Population : Patients ayant bénéficié d’une TEP-TDM au 18F-FDG au Centre Antoine Lacassagne, sélectionnés rétrospectivement pour constituer une cohorte de validation anatomique de 20 patients et une cohorte de validation clinique de 21 patients atteints d’un carcinome épidermoïde des voies aérodigestives supérieures.