Développement des approches radiomics à visées diagnostique et pronostique pour la prise en charge de patients atteints des sarcomes des tissus mous.

Abstract

Les sarcomes des tissus mous (STM) sont des tumeurs malignes mésenchymateuses ubiquitaires hétérogènes en terme de présentations cliniques, radiologiques, histologiques, moléculaires et pronostiques. L’imagerie de référence des STM est l’IRM avec injection de produit de contraste qu’il s’agisse du bilan initial, de l’évaluation de la réponse aux traitements, de la planification préopératoire ou de la recherche de rechute locale. De plus, l’IRM permet d’accéder à la tumeur en place, in vivo, dans sa globalité et de manière non invasive, en complément des analyses anatomo-pathologiques et moléculaires qui nécessitent des prélèvements invasifs ne correspondant qu’à une infime fraction du volume tumoral. Cependant, aucun biomarqueur radiologique n’a été validé dans la prise en charge des STM. Parallèlement, se sont développés (i) d’autres modalités et séquences d’imagerie quantitative permettant d’aboutir à une quantification de phénomène physiopathologique intratumoraux, (ii) des techniques d’analyse d’image permettant de quantifier les phénotypes radiologiques au-delà de ce que peut voir l’œil humain à travers de multiples indicateurs de texture et de forme (: indices radiomics), et (iii) des outils d’analyses mathématiques (: algorithme de machine-learning) permettant d’intégrer et trier toutes ces informations dans des modèles prédictifs. Les approches radiomics correspondent au développement de modèles prédictifs basés sur ces algorithmes et ces indices radiomics. L’objectif de cette thèse est de mettre en application ces innovations et de les optimiser pour améliorer la prise en charge des patients atteints de STM. Pour cela, trois grands axes ont été développés. Dans une première partie, nous avons cherché à améliorer la prédiction du pronostic de patients atteints de certains sarcomes en combinant approches radiologiques classiques et approches radiomics sur leur IRM initiale, avec comme potentielle application de mieux identifier les patients à haut risque de rechute métastatique. Dans une deuxième partie, nous avons construit un modèle basé sur l’évolution précoce de l’hétérogénéité intratumorale ( : delta-radiomics) de patients atteints de STM traités par chimiothérapie néoadjuvante afin d’identifier les patients n’y répondant pas favorablement et qui pourraient bénéficier d’adaptations thérapeutiques anticipées. Dans une troisième et dernière partie, nous avons cherché à identifier et mieux contrôler les biais potentiels des approches radiomics afin, in fine, d’optimiser les modélisations prédictives basées sur les indices radiomics.