Contexte
Les cancers primitifs du foie sont la troisième cause de décès liés au cancer dans le monde et constituent un problème de santé publique croissant. Ces cancers primitifs hépatiques constituent en réalité un groupe hétérogène de tumeurs malignes présentant des caractéristiques cliniques, histologiques, moléculaires différentes. Parmi ces tumeurs, le carcinome hépatocellulaire (CHC) et le cholangiocarcinome intra-hépatique (CCK) présentent respectivement une différentiation hépatocytaire et biliaire, et sont situés aux deux extrémités du spectre des cancers primitifs du foie. Un troisième type, l'hépato-cholangiocarcinome (CHC-CCK), est une variante rare qui peut se présenter comme un mélange ou une coexistence des deux premiers types de cancer. Les facteurs de risque paraissent être les mêmes que ceux du CHC, à savoir la présence d’une maladie chronique du foie secondaire à une infection virale (hépatite B ou C), à l’alcool et/ou à l’obésité. Si le CHC peut être diagnostiqué de manière fiable en imagerie en cas de maladie chronique du foie connue (cirrhose), le diagnostic de CHC-CCK est souvent plus difficile, avec des aspects équivoques en imagerie. La prise en charge clinique des patients atteints de CHC-CCK est également très délicate et, en raison de la rareté de ce cancer, il n'existe pas de lignes directrices consensuelles. Les stratégies de traitement sont généralement extrapolées à partir des cas de CHC et d'ICCA. En conséquence, les patients atteints de CHC-CCK ne répondent souvent pas bien aux thérapies et ont des résultats cliniques préjudiciables. Il a récemment été démontré qu’un modèle d’apprentissage profond pouvait reclasser les tumeurs de CHC-CCK en tant que CHC ou CCK, et que ces prédictions étaient cohérentes avec les résultats cliniques, les altérations génétiques et le profilage spatial in situ de l'expression des gènes. Ce type d'approche pourrait améliorer les décisions thérapeutiques et, en fin de compte, les résultats cliniques pour les patients atteints de cancers rares et biphénotypiques tels que le CHC-CCK [1], [2].
Contact : yasmina.chenoune@esme.fr
Objectifs :L’objectif du stage proposé est d’identifier des biomarqueurs d’imagerie prédictifs de la survie des patients présentant un CHC-CCK à partir d’examens d’Imagerie par Résonance Magnétique (IRM) du foie, réalisés avec injection de produit de contraste. Une première étape pourrait être de développer un modèle de reclassement des CHC-CCK en CHC ou CCK à partir des données IRM. Ce stage pourra donner lieu à une poursuite en thèse.
Données :Le travail s’effectuera à partir d’une cohorte rétrospective d’environ 400 patients opérés pour un cancer primitif hépatique (CHC, CCK ou CHC-CCK) au sein du CHU Henri Mondor de Créteil entre 2010 et 2023 et ayant bénéficié d’une IRM hépatique avant chirurgie. Parmi ces examens, environ 150 ont d’ores et déjà été annotés et une segmentation manuelle 3D de la lésion a été réalisée par un radiologue spécialisé en imagerie hépatique. Un travail de préparation des données est cependant nécessaire.
Méthodes :Différentes approches de machine learning pourront être investiguées pour ce problème de classification et de prédiction, incluant des algorithmes de régression, des arbres de décision, des méthodes de clustering, et des réseaux de neurones convolutifs.
Compétences recherchées :Le candidat doit avoir des connaissances en traitement et analyse d’image et avoir déjà expérimenté les approches par apprentissage (Machine Learning, Deep Learning). Un intérêt pour d'autres disciplines et pour les applications médicales serait un plus appréciable. De bonnes compétences en programmation sont essentielles (Matlab, Python). De bonnes aptitudes à la communication et à la rédaction, en particulier en anglais, sont des atouts précieux.
(c) GdR IASIS - CNRS - 2024.