PREDICT NET: Biomarqueurs d’imagerie prédictifs de la réponse thérapeutique et du devenir clinique des patients atteints de tumeurs neuroendocrines avancées ou métastatiques traitées par traitements systémiques

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Population d'étude:
L’étude s’adresse à des patients atteints de tumeurs neuroendocrines bien avancées ou métastatiques traitées par un des traitements systémiques. Les traitements étudiés sont ceux habituellement utilisés dans les tumeurs neuroendocrines avancées, à savoir la radiothérapie interne vectorisée, les thérapies ciblées, les inhibiteurs de tyrosine kinase et la chimiothérapie.
Contexte:
Les tumeurs neuroendocrines sont des cancers rares qui peuvent évoluer lentement ou plus rapidement selon les patients. Leur prise en charge repose sur plusieurs types de traitements, choisis en fonction de la localisation de la maladie, de son extension, de son évolution et de l’état général du patient.
Objectifs:
L’étude PREDICT NET cherche à mieux comprendre comment les examens d’imagerie médicale peuvent aider à prévoir l’efficacité des traitements chez les patients atteints de tumeurs neuroendocrines avancées ou métastatiques. Elle s’intéresse notamment aux examens TEP réalisés avec différents traceurs, comme le DOTATOC, le FDG ou la DOPA, ainsi qu’à certains examens réalisés après un traitement par radiothérapie interne vectorisée.
Méthodologie:
Cette étude est observationnelle et rétrospective : cela signifie qu’elle utilise des informations déjà disponibles dans le dossier médical de patients suivis et traités à Gustave Roussy entre 2013 et 2025. Elle ne modifie pas la prise en charge médicale et ne prévoit pas de traitement ou d’examen supplémentaire spécifiquement pour la recherche.
Les chercheurs analyseront les données cliniques, biologiques, les traitements reçus et les images médicales déjà réalisées dans le cadre du suivi habituel. L’objectif est d’identifier des signes visibles sur les images qui pourraient aider à mieux prédire la réponse au traitement, le risque d’évolution de la maladie et, à terme, à mieux adapter les traitements à chaque patient.