Classification des tumeurs intrahépatiques par méthode faiblement supervisée à partir de biopsies de routine

En cours d'exécution

01/04/2022

31/03/2027

Les cancers primitifs du foie sont la 4ème cause de décès par cancer dans le monde, avec une incidence croissante dans la plupart des pays occidentaux. Ceux-ci représentent un groupe hétérogène de tumeurs associées à des facteurs de risque, des résultats cliniques et des caractéristiques d'imagerie, histologiques et moléculaires distincts. Parmi ces tumeurs, le carcinome hépatocellulaire (CHC) et le cholangiocarcinome intrahépatique (iCCA) sont de loin les plus courants et représentent les deux extrémités du spectre tumoral. Entre les deux, l'hépato-cholangiocarcinome combiné (cCHC-CCA) est reconnu comme une tumeur rare partageant les caractéristiques du CHC et de l'iCCA, dont le pronostic n'est toujours pas clair. Alors que l'imagerie et la biopsie de la tumeur obtiennent séparément de bons résultats pour le diagnostic précis du CHC et de l'ACIC, les performances diagnostiques du CHC-CCA basées sur une seule modalité sont faibles. L'analyse histologique représente le gold standard pour le diagnostic du cHCC-CCA, mais même d'un point de vue histologique, ce diagnostic peut être très difficile, en particulier dans les échantillons de biopsie. Récemment, nous avons montré que la combinaison de l'imagerie et de la biopsie de la tumeur pouvait améliorer le diagnostic du cHCC-CCA, soulignant l'intérêt d'utiliser des données d'imagerie multi-échelles.

L'approche méthodologique est fondée sur les développements récents en intelligence artificielle concernant l'apprentissage faiblement supervisé à partir de caractéristiques extraites par des réseaux neuronaux profonds pré-entrainés. De plus, l'une des principales nouveautés de l'étude proposée sera le développement d'une nouvelle approche d’exploitation de données multi-échelle pour tirer parti des deux types d'images disponibles (CT-scan et histologie).