Mots-Clés
imagerie médicale
cancer pulmonaire
radiomique
IA
modélisation
médecine personnalisée
Description
Contexte. En cancérologie, l’un des enjeux majeurs est de mieux caractériser la maladie afin d’améliorer la prédiction du pronostic et, à terme, la prise en charge personnalisée des patients. Ces dernières années, de nombreuses études ont montré le potentiel des méthodes d’Intelligence Artificielle appliquées à l’imagerie médicale, regroupées sous le terme de radiomique [1]. La radiomique consiste à extraire automatiquement des images médicales un grand nombre de caractéristiques quantitatives décrivant, par exemple, l’intensité, la texture ou la forme des lésions tumorales. Chez les patients atteints d’un cancer métastatique, l’imagerie TEP/TDM permet également de caractériser la dissémination spatiale de la maladie. Celle-ci peut notamment être quantifiée par le Dmax [2], défini comme la plus grande distance euclidienne entre deux lésions tumorales. Cependant, cette mesure « à vol d’oiseau » reste une représentation géométrique simplifiée : elle ne tient pas compte des voies anatomiques, notamment les réseaux vasculaire et lymphatique [3], par lesquelles les cellules tumorales peuvent se disséminer dans l’organisme.
L’objectif de ce projet est donc de développer une approche permettant d’estimer une distance de dissémination plus réaliste sur le plan anatomique, correspondant au parcours potentiel des cellules tumorales depuis la tumeur primitive jusqu’aux différents sites métastatiques chez des patients atteints d’un cancer pulmonaire avancé. Pour cela, nous souhaitons exploiter un modèle anatomique numérique intégrant les réseaux vasculaire et lymphatique afin de reconstruire les chemins potentiels de dissémination métastatique. Nous étudierons ensuite si cette nouvelle mesure de la dissémination métastatique est associée à la survie globale des patients atteints d’un cancer pulmonaire avancé et si elle apporte une information pronostique supplémentaire à celle portée par le Dmax.
Méthodes envisagées. Une cohorte de plus de 600 patients atteints d’un cancer pulmonaire avancé est disponible au laboratoire. Pour chaque patient, les lésions tumorales ont été segmentées par des experts et les différents sites métastatiques ont été annotés. Le travail de stage consistera à :
o réaliser un état de l’art des méthodes permettant de modéliser ou cartographier les réseaux vasculaire et lymphatique à partir d’images TDM ou d’atlas anatomiques numériques ;
o développer une ou plusieurs stratégies de calcul du chemin de dissémination potentiel des cellules tumorales ;
o appliquer ces méthodes à la cohorte de 600 patients disponible ;
o étudier l’association entre les distances de dissémination obtenues et la survie globale ;
o évaluer la valeur pronostique ajoutée par rapport à la mesure conventionnelle du Dmax ;
o en cas de résultats concluants, valider l’approche sur une cohorte externe indépendante.
Profil et compétences recherchés :
o Étudiant(e) en Master 2 ou dernière année d’école d’ingénieur.
o Solides compétences en programmation, idéalement en Python.
o Intérêt pour l’analyse d’images médicales, l’analyse statistique et l’IA appliquée à la santé.
o Motivation pour travailler dans un environnement interdisciplinaire à l’interface entre sciences du numérique, imagerie médicale et cancérologie.
Encadrement et environnement :
Responsables du stage : Julie AURIAC (ingénieure de recherche), Jules Zhang-Yin (médecin nucléaire) et Fanny Orlhac (chercheuse). Laboratoire d’Imagerie, Radiothérapie Innovante et Médecine des Systèmes (IRIS), Orsay.
Durée : 6 mois (possibilité de poursuite en thèse).
Début : possible à partir du 15 janvier 2027
Gratification mensuelle : selon le plafond horaire en vigueur, soit approximativement 598 à 693 € selon les mois.