Sujet de Thèse
Titre :
Validation d'un calculateur de risque de cancer de prostate, à l'aide d'un nouveau modèle personnalisé d'analyse du PSA et du mode de vie, basé sur l'intelligence artificielle
Dates :
2024/10/01 - 2027/09/30
Autre(s) encadrant(s) :
Pr FRADET Vincent (vincent.fradet@fmed.ulaval.ca) , Nicolas Martelin (nicolas.martelin@prostperia.com)
Description :
La détection précoce du cancer de la prostate demeure un enjeu majeur de santé publique à l'échelle
mondiale. Dans cette optique, l'utilisation de l'intelligence artificielle (IA) pour évaluer le risque de tumeur
de prostate à partir de l'analyse du PSA a suscité un intérêt croissant. Ce travail de recherche se concentre
sur la validation d'un calculateur de risque basé sur l'IA, offrant une perspective novatrice pour améliorer
la précision du dépistage.

I. Contexte et Justification
Le cancer de la prostate demeure l'un des cancers les plus fréquents chez les hommes, et son dépistage
précoce est essentiel pour améliorer les chances de traitement réussi. Le PSA, un marqueur couramment
utilisé, peut être exploité de manière plus avancée grâce à l'IA.
La littérature a déjà montré l'importante d'identifier les patients porteur d'un cancer de prostate avant que
le cancer soit symptomatique. Des grands essais cliniques randomisés (Göteborg, ERSPC, PLCO) ont
démontré le bénéfice et les limites sur la survie spécifique au cancer d'un dépistage par PSA.
En effet, le dépistage du cancer de la prostate repose principale sur le dosage du PSA. Or ce test, par un
manque de spécificité, engendre aussi une sur-prise en charge de cancers à évolution lente .
L'intégration de l'IA dans le domaine de la santé offre des opportunités de personnalisation du diagnostic
et de prédiction du risque. Un calculateur de risque, basé sur l'IA pour le cancer de la prostate, pourrait
contribuer à réduire les fausses alertes et à identifier les cas à risque plus précisément.

II. Méthodologie
1. Test PROSTia
Pour améliorer la spécificité du dépistage, plusieurs tests ont récemment été développés, comme le PHI
test ou le 4Kscore test 4. Le plus récent de ces tests est PROSTia. Il s'agit d'un test « in silico » qui permet
de personnaliser l'interprétation de la valeur sérologique de PSA grâce à l'analyse probabiliste de plusieurs
algorithmes de Machine-Learning . Plusieurs séries de classification qui utilisent, notamment, la technique
de Gradient Boosting, permettent ainsi d'optimiser les hyper-paramètres du modèle et de parvenir au
calcul d'un score final : le résultat du test PROSTia.
PROSTia est un test prédictif du risque de cancer de la prostate qui repose sur l'analyse du PSA, son
évolution dans le temps, le toucher rectal et plus de 50 paramètres personnels du patient. Parmi ces
paramètres, PROSTia prend en compte les antécédents familiaux, médicaux et médicamenteux du patient.
PROSTia a été validé sur une cohorte rétrospective de 12.000 patients (PLCO) dont les résultats sont en
cours de publication.

Un abstract présentant les résultats initiaux de l'algorithme PROSTia sera présente en poster à l'EAU de
Paris en avril 2024.
Une étude en cours au sein du CHRU de Nancy montre que le test pourrait également être utilisé comme
aide à la décision de biopsie, en conduisant à une réduction potentielle de 60% de biopsies inutiles.

3. Collection des données au Canada
Dans les dernières années , la littérature a commencé à montrer l'importance du style de vie et de
l'alimentation dans la prévention ou l'occurence du cancer de la prostate.
L'équipe du Pr. Fradet à l'Université Laval développe des travaux sur le sujet. Nous posons l'hypothèse que
le test PROSTia peut être amélioré par l'ajout de paramètres sur le style de vie, la qualité de vie perçue et
l'alimentation dans ces fonctions de prédiction.
L'Université Laval (Québec) dirige une étude multicentrique sur le diagnostic du cancer de la prostate,
nommée BioCaPPE . L'étude utilise un devis prospectif multi-institutionnel panquébécois pour évaluer les
biomarqueurs de risque du cancer de la prostate en lien avec les habitudes de vie. Elle comprend plus de
2.050 participants recrutés dans 5 sites distribués dans la province de Québec. La collecte de données à
l'entrée dans l'étude utilise plusieurs questionnaires validés pour mesurer les habitudes de vie
potentiellement modifiables dont l'activité physique et la nutrition.

4. Entraînement du modèle
Le test PROSTia sera entraîné à l'aide d'algorithmes d'apprentissage automatique en utilisant les données
collectées. L'ensemble des sujets issus de la cohorte BioCappe sera analysé avec le test PROSTia. Le but
sera de valider son efficacité dans la détection des cancers de prostate dans cette population canadienne.
Grâce aux autres données recueillies, notamment celles en lien avec les habitudes de vie, nous essayerons
également d'optimiser les performances du modèle.

III. Validation du calculateur de Risque
La précision, la sensibilité et la spécificité seront évaluées pour mesurer l'efficacité du calculateur de
risque. Des courbes ROC (Receiver Operating Characteristic) seront générées pour évaluer la performance
globale du modèle.
Les résultats du calculateur de risque basé sur l'IA seront comparés avec les méthodes traditionnelles de
dépistage du cancer de la prostate pour démontrer son avantage en termes de précision et de capacité de
prédiction.

V. Objectifs de mon travail de recherche :
Sous la supervision de l'équipe du Professeur Fradet (Université Laval), mes objectifs sont d'étudier
PROSTia dans ces deux configurations :
- Utiliser le test sur la cohorte BioCaPPE pour évaluer la performance du test sur une population
canadienne
- PROSTia inclut actuellement quelques données en lien avec les habitudes de vie, mais il pourrait être
possible d'en améliorer encore la précision de prédiction. A ce titre, nous travaillerons sur une nouvelle
version de l'algorithme qui inclura une plus grande richesse de données sur les habitudes de vie et des
biomarqueurs en lien avec celles- ci.

VI. Conclusion
En conclusion, la validation d'un calculateur de risque de tumeur de prostate, basé sur l'analyse du PSA
grâce à l'intelligence artificielle , offre une perspective prometteuse pour améliorer les pratiques de
dépistage. Les résultats attendus pourraient contribuer significativement à l'avancement des méthodes de
diagnostic du cancer de la prostate, ouvrant ainsi la voie à une approche plus précise et personnalisée de
la santé masculine.
Ce travail permettra également de créer un lien international avec l 'équipe du Professeur Vincent FRADET.
Mots clés :
calculateur de risque ; dépistage ; cancer de prostate ; intelligence artificielle; machine learning
Conditions :
La durée de la thèse d'université sera de 3 ans. Elle débutera début novembre 2024 par une mobilité à
l'étrangers.

1ère année :
mobilité avec le Pr Vincent Fradet au CHRU Québec, Université de Laval , Canada
Financement demandé : bourse de recherche Association des chefs de service CHRU Nancy , Bourse AFU,
bourse CIFRE

2ème et 3ème année :
ED BioSE Biologie, Santé, Environnement CRAN UMR 7039, CNRS, Biopsies liquides et optimisation
thérapeutiques, Pr Stéphanie GRANDEMANGE
Financement : statut de PHU Université de Lorraine et CHRU NANCY
Département(s) : 
Biologie, Signaux et Systèmes en Cancérologie et Neurosciences
Financement :
1ere année : bourse , 2ème et 3ème année : PHU