DIGIST : Apport de l’intelligence artificielle sur lames histologiques dans les GIST : de la preuve du concept à l’applicabilité clinique

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Intérêt : Mieux prédire le risque de rechute en vue de l’indication d’un traitement ciblé de type adjuvant
Objectif : Prédire le type de mutation pour une partie des patients permettant une économie de temps, de matériel et de moyens mis en œuvre
Méthode : Numérisation de la lame histologique, étude par apprentissage profond afin de définir des algorithmes prédictifs de la mutation et du risque de rechute et comparaison de l’efficacité par rapport aux méthodes actuellement utilisées et de la reproductibilité à l’intérieur de notre cohorte Européenne.
Population : patient porteur d’une tumeur stromale gastro-intestinale (GIST) : Diagnostic de GIST certain, disposer d’une lame histologique de la tumeur initiale non traitée, analyse moléculaire de la tumeur connue, période allant de 1980 à 2022
Suivi : au minimum 12 mois