Prédiction des caractéristiques phénotypiques de la lésion métastatique de cancer du sein à partir d’analyse radiomique ou Deep Learning (MAPSI)

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

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Prédiction des caractéristiques anatomopathologiques (expression des récepteurs aux oestrogènes, à la progestérone, récepteur HER2, Ki67) d’une lésion métastatique de primitif sénologique, à partir des données radiomiques uniquement. Etablissement d’un premier modèle de prédiction à partir d’un algorithme de machine learning indépendant de la localisation métastatique, établissement d’un second modèle de prédiction à partir d’un algorithme de machine learning selon chaque localisation métastatique.
Prédiction de ces mêmes caractéristiques anatomopathologiques à partir d’un algorithme de deep-learning de type RESNET50.
Prédiction des caractéristiques anatomopathologiques (expression des récepteurs aux oestrogènes, récepteurs à la progestérone, récepteur HER2, Ki67) d’une lésion métastatique de primitif sénologique, via des algorithmes intégrants des données composites (données cliniques initiales et radiomiques).
Etablissement d’un premier modèle de prédiction à partir d’un algorithme de machine learning indépendant de la localisation métastatique, établissement d’un second modèle de prédiction à partir d’un algorithme de machine learning selon chaque localisation métastatique.
Prédiction de ces mêmes caractéristiques composite (anatomopathologiques et clinique) à partir d’un algorithme de deep-learning de type RESNET50.

Les modalités des variables qualitatives seront décrites par le nombre de valeurs renseignées (N) et la fréquence (%). Elles seront comparées en utilisant le test du Khi-deux ou le test exact de Fisher, selon le cas. Les variables quantitatives continues seront résumées par la moyenne et l’écart-type et elles seront comparées par le test de Kruskal-Wallis.
Les données de survie seront estimées par la méthode de Kaplan- Meier. Les courbes de survie seront présentées et comparées en utilisant le test du Log-rank.
Tous les tests statistiques seront bilatéraux avec un seuil de significativité fixé à 5 % (p < 0,05). Les analyses statistiques seront réalisées avec le logiciel R version 4.2.1.

1) Lésion métastatique biopsiée de primitif sénologique localisée au niveau ganglionnaire, osseux, hépatique et cérébral.
2) Anatomopathologique de la lésion biopsiée disponible.
3) Patiente métastatique au diagnostic ou en rechute métastatique après un traitement local.
4) Patiente en première ligne de traitement.
5) Patiente majeure.