06/04/2021 - 14H00 - visioconférence sur Microsoft Teams

"Modélisation multi-facteurs pour l'aide à la décision dans le traitement par chimiothérapie des tumeurs cérébrales de type gliomes diffus de bas grade"
(Thèse Cyril BRZENCZEK)

Le Gliome Diffus de Bas Grade (GDBG) est défini par l'OMS comme une tumeur primitive du système nerveux central et représente 15% de toutes les tumeurs gliales confondues. Un GDBG croît lentement, et finit inévitablement par se transformer en un gliome de grade III, bien plus agressif, qui mène finalement au décès du patient. Les traitements prévus pour un patient atteint d'un GDBG sont non curatifs et ont deux objectifs : prolonger la survie du patient, tout en maintenant ou améliorant sa qualité de vie.
Trois types de traitements sont disponibles : La chirurgie, la chimiothérapie et la radiothérapie. Aujourd'hui, les médianes de survie rapportées dans les études sont de 10 à 15 ans. Malheureusement, le pronostic du GDBG est très variable, l'écart-type de la survie totale étant élevé, et certains patients ne survivant que quelques années. Dans le cadre de la prise en charge du GDBG au CHRU de Nancy, la chimiothérapie est un des traitements les plus utilisés et on observe des réponses très variables tant en intensités, qu'en durées ainsi qu'en terme de profils de réponses.
C'est dans ce contexte que se situe mon travail de thèse. Il concerne l'étude de la réponse à la chimiothérapie et consiste à développer des outils d'aide à la décision pour le neuro-oncologue dans le suivi des patients.
Pour étudier ces réponses au traitement par chimiothérapie, il faut choisir la méthode la plus fiable pour quantifier le volume de la tumeur. La première partie de mon travail de thèse se concentre donc sur le choix de la méthode de volumétrie. On peut ensuite caractériser la courbe de réponse volumique selon l'intensité de réponse et si les données le permettent, selon la durée de réponse.
La seconde partie de mon travail concerne la modélisation de la réponse à l'aide de techniques d'apprentissage statistique.
De nombreuses variables explicatives (épidémiologiques, génétiques sont à prendre en compte dans cette étude. Nous avons développé une nouvelle variable nommée ESVR, qui est une mesure permettant de quantifier le phénotype infiltrant des GDBG, encore trop peu étudié aujourd'hui.
En plus d'être utilisée comme variable explicative dans notre modèle prédictif, l'ESVR permet de quantifier et surtout permet aux cliniciens de suivre l'évolution de la morphologie tumorale. L'apparition de nouveaux symptômes cognitifs est parfois inexplicable par l'étude du volume tumoral seul. L'ESVR permettra d'apporter des réponses supplémentaires, ses valeurs étant décorrélés des valeurs de volume tumoral, il porte une information encore inexploitée.
Les méthodes d'analyse factorielle et de machine learning permettent dans un premier temps de définir les variables qui portent le plus d'information. Les analyses exploratoires des données révèlent une redondance de l'information parmi certains facteurs génétiques et épidémiologiques.
Les modèles montrent une plus grande influence des variables quantitatives sur la réponse à la chimiothérapie, comparé aux variables qualitatives. Une discussion sera menée sur l'importance des variables utilisées dans la prédiction de la réponse à la chimiothérapie, puisque l'ensemble de nos données (variables explicatives, comme variables à expliquer) comportent une variabilité de mesure non négligeable.
La finalité de la thèse est de produire un ensemble de règles qui permettront aux cliniciens d'anticiper, avant l'administration du traitement, son effet sur le volume tumoral ce qui permettra un choix de stratégie thérapeutique plus éclairé qu'aujourd'hui.
Jury :
- Rapporteurs : NAIT-ALI Amine - Prof - Université Paris-Est Créteil
PETITJEAN Caroline - Prof - Université de Rouen
- Autres membres : Examinateurs :
MEZIERES Sophie - MdC - UL
DUFFAU Hugues - Prof / Praticien hospitalier - Université de Montpellier