Aller au contenu

Role de la radiomique et de l'intelligence artificielle dans la prise en charge des petites masses rénales (2)

Sommaire

DIRECTRICE/DIRECTEUR DE RECHERCHE
Martin Carrier-Vallières, Professeur - Département d'informatique
CODIRECTRICE/CODIRECTEUR DE RECHERCHE
Patrick Richard, Professeur - Département de chirurgie
UNITÉ(S) ADMINISTRATIVE(S)
Faculté de médecine et des sciences de la santé
Faculté des sciences
Département d'informatique
Faculté de génie
Département de génie électrique et de génie informatique
CYCLE(S)
2e cycle
LIEU(X)
Campus principal

Description du projet

L'incidence du cancer du rein augmente parallèlement à la hausse de l'utilisation de la radiographie abdominale. Dans le monde, il s'agit maintenant du 10e cancer le plus répandu. Conséquement, le diagnostic de petites masses rénales augmente lui-aussi. Cependant, le taux de mortalité est demeuré stable dans les 20 dernières années, ce qui peut être expliqué par le fait que ce ne sont pas toutes les masses qui sont malignes (entre 20% et 50% sont en fait bénignes), et même si la majorité sont malignes, la plupart ont un excellent prognostic.

En raison des limites de l'imagerie radiologique, il est actuellement très difficile pour un clinicien de déterminer si la masse identifiée est bénigne ou maligne, et si elle est maligne, son niveau d'aggressivité. Par conséquent, la vaste majorité des patients vont subir une intervention (chirurgie ou ablation thermique). Ces interventions ne sont pas sans conséquences physiques, psychologiques ou économiques. Malheureusement, une fois traitée, plusieurs de ces patients seront identifiés comme ayant été traités pour une masse bénigne ou très peu aggressive. Il est donc primordial d'identifier une approche permettant de mieux discerner quel patient requiert un traitement invasif et quel patient peut rester sous observation.

Pour ce faire, nous proposons une étude qui vise à étudier le rôle de la radiomique et de l'intelligence artificielle comme approche de triage. 

Méthodologie:  Des patients atteints de petites masses rénales et traités au Centre Hospitalier Universitaire de Sherbrooke seront identifiés à partir de la banque de données du Canadian Kidney Cancer Information System.  Les imageries de ces patients (CT scan) seront révisées par l'étudiant et la masse rénale sera circonscrite par ce dernier.  Par la suite, grâce à des analyses de type radiomique et par apprentissage profond, un modèle sera créé afin de prédire si la masse est bénigne vs. maligne et si maligne, sa vitesse de croissance et son degré d'aggressivité. 

L'expertise de l'étudiant à la maîtrise sera mise a contribution en participant à: 
- l'extraction de caractéristique radiomiques à partir des données d'imagerie, 
- l'analyse statistique,
- l'entraînement de modèles prédictifs via l'apprentissage profond.

Ce candidat bénéficiera de l'expertise de deux mentors et sera soutenu par une équipe multidisciplinaire et dynamique, qualifiée autant en uro-oncologie qu'en intelligence artificielle. Selon ses intérêts, le candidat pourra observer certaines situations médicales pour mieux comprendre le contexte et pourra aussi travailler en collaboration avec divers intervenants de la santé.  

Le programme de maîtrise visé est celui d'informatique ou mathématiques (Faculté des sciences) ou génie informatique (Faculté de génie).

Exigences particulières:

Baccalauréat dans une discipline pertinente (info, math, génie, etc.)
Début de la maîtrise à l'automne 2022
Présence sur place, à Sherbrooke, sera requise fréquemment mais flexibilité pour travailler à distance aussi.

Discipline(s) par secteur

Sciences de la santé

Chirurgie, Radiologie, Urologie

Sciences naturelles et génie

Génie informatique et génie logiciel, Informatique

Financement offert

Oui

La dernière mise à jour a été faite le 2 mars 2022. L’Université se réserve le droit de modifier ses projets sans préavis.