Les options thérapeutiques d'intention curative ont une faible probabilité de succès chez les patients atteints d'un cancer de la prostate avec métastases ganglionnaires. Ainsi, l'obtention d'une méthode de prédiction de la présence ou l'apparition de métastases ganglionnaires est souhaitable. Ce document présente le développement d'un modèle de prédiction de la présence de métastases ganglionnaires à la prostatectomie radicale. Le modèle utilise les marqueurs radiomiques extraits de l'examen FDG-TEP/CT fait en préopératoire. Ces marqueurs issus de la radiomique - définie comme le processus d'extraction quantitative de données exploitables de haute dimension à partir d'images médicales - permettent de quantifier des caractéristiques invisibles à l'œil tels que les paramètres de texture et d'intensité. Dans un premier volet, afin de limiter les erreurs de recalage entre la TEP et le CT, une évaluation de l'extraction des marqueurs radiomiques a été effectuée en comparant la valeur maximale d'absorption standardisée (SUVₘₐₓ) sur l'imagerie TEP. Une méthode de segmentation semi-automatique de la vessie en TEP a été développée de manière à soustraire la vessie de la segmentation de la prostate, ce qui permet une extraction plus juste des marqueurs radiomiques. Dans un second volet, une méthode de sélection des marqueurs radiomiques a été développée afin de réduire les marqueurs redondants et de sélectionner les plus importants, ce qui a permis de sélectionner 17 marqueurs TEP. Lorsque combinés avec l'intelligence artificielle, les marqueurs radiomiques peuvent être utilisés pour la prédiction de différents paramètres cliniques. Un modèle de prédiction utilisant un classificateur par forêts aléatoires a permis d'obtenir des résultats démontrant le potentiel de l'algorithme et des marqueurs radiomiques en FDG-TEP/CT. Une fois couplé aux données cliniques, l'algorithme permet une meilleure prédiction. Une AUC de (79 ± 9) % est obtenue lors de la combinaison du modèle de prédiction avec le stade clinique de la tumeur. / Therapeutic options with curative intent have a low probability of success in patients with prostate cancer with lymph node metastases. Therefore, a method for predicting the presence or development of lymph node metastases is desirable. This document presents the development of a model for predicting the presence of lymph node metastases at radical prostatectomy. The model uses radiomic markers extracted from the preoperative FDG-PET/CT examination. These radiomic markers - defined as the process of quantitatively extracting high-dimensional usable data from medical images - allow the quantification of features invisible to the eye such as texture and intensity parameters. In the first part, to limit the misalignment errors between PET and CT, an evaluation of the extraction of radiomic markers was carried out by comparing the standardized maximum absorption value (SUVₘₐₓ) on PET imaging. A semi-automatic PET bladder segmentation method was developed to subtract the bladder from the prostate segmentation, allowing a more accurate extraction of radiomic markers. In the second phase, a method for selecting radiomic markers was developed to reduce redundant markers and to select the most important ones, resulting in the selection of 17 PET markers. When combined with artificial intelligence, radiomic markers can be used for the prediction of various clinical parameters. A prediction model using a random forest classifier provided results demonstrating the potential of the algorithm and radiomic markers in FDG-PET/CT. Once coupled with clinical data, the algorithm allows a better prediction. AUC of (79 ± 9) % is obtained when combining the prediction model with the clinical stage of tumor.
| Identifer | oai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/71004 |
| Date | 27 January 2024 |
| Creators | LeBlanc, Danahé |
| Contributors | Pouliot, Frédéric, Archambault, Louis |
| Source Sets | Université Laval |
| Language | French |
| Detected Language | French |
| Type | mémoire de maîtrise, COAR1_1::Texte::Thèse::Mémoire de maîtrise |
| Format | 1 ressource en ligne (xii, 65 pages), application/pdf |
| Rights | http://purl.org/coar/access_right/c_abf2 |
Page generated in 0.0014 seconds