PET-SCRIBE : Développement d'un modèle Vision Language Model (VLM) « PET-Scribe » pour la génération de texte à partir d'images TEP 18FDG en oncologie.

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

L’imagerie TEP 18 FDG en oncologie est un pilier de l’imagerie diagnostique et du suivi permettant d’évaluer l’activité tumorale et la réponse auxthérapeutiques.
Malgré son rôle central, l’interprétation de la TEP reste un processus complexe, chronophage et subjectif avec ainsi plusieurs limites :
- Charge de travail croissante (augmentation du nombre d'examens).
- Variabilité inter et intra-observateur.
- Absence d’outils automatisés robustes.
Parallèlement, des modèles d’intelligence artificielle et en particulier le Vision-Language-Model ont la capacité théorique de comprendre conjointement desimages et des textes et de lier des régions anatomiques à des descriptions sémantiques et ainsi générer des comptes rendus cohérents.
L’objectif serait ainsi de développer un VLM dans l’analyse des séquences temporelles de TEP 18FDG en oncologie afin de pouvoir produire des comptesrendus structurés suite à un apprentissage massif supervisé d’au moins 3000 TEP 18FDG présents dans la base de données du Centre Antoine Lacassagne.
A noter, qu’il n’existe pas à notre connaissance de VLM spécifiquement entrainé sur des volumes d’imagerie TEP 18FDG.
Les avantages d’un développement d’un modèle VLM robuste comme outil à la décision fiable serait :
- La détection automatique des anomalies métaboliques (différenciation de lésions tumorales et pièges physiologiques ou signaux inflammatoires/infectieux).
- La standardisation des CR.
- La réduction des variations inter-observateurs et donc amélioration de la reproductibilité.
- Gain de temps significatif (concentration de l’expertise des médecins nucléaires sur de cas complexes).

Objectif principal :
Evaluation des performances diagnostiques d’un modèle d’intelligence artificielle de type Vision-Language-Model (VLM) développé au sein du service demédecine nucléaire du CENTRE ANTOINE LACASSAGNE pour l’analyse d’images temporelles de TEP FDG indiqués pour l'évaluation de la réponse tumorale etla rédaction de compte rendu d’examens TEP au 18 FDG en oncologie, en les comparant aux interprétations réalisées par des médecins nucléaires.
Objectifs secondaires :
· Analyse des discordances entre le modèle VLM et la référence.
· Évaluation de la robustesse du modèle selon les caractéristiques des lésions.
· Tester la reproductibilité et variabilité inter-observateur du gold standard (médecins nucléaire).
· Évaluation de l’impact du VLM sur le temps d’interprétation.
· Identifier les limites et sources d’erreur du modèle.
· Tester les performances du modèle sur des centres/TEP externes (validité externe, généralisation ?).

Population : Patient ayant réalisé un ou plusieurs examens TEP-TDM 18-FDG pour une indication oncologique au Centre Antoine Lacassagne sur la période du 1 janvier2018 au 31 décembre 2025.
Critères d’exclusion : patients d’âge < 18 ans / refus explicite par le patient de la collecte de ses données personnelles.