Thérapie radionucléidique personnalisée des tumeurs neuroendocrines
Notice bibliographique
Résumé
Cette thèse de doctorat porte sur le traitement personnalisé des tumeurs neuroendocrines (TNE) en utilisant la thérapie radiométabolique par ¹⁷⁷Lu-octréotate. Comme la plupart des TNE surexpriment des récepteurs de la somatostatine (RSST)s, les analogues de la somatostatine radiomarqués sont utilisés dans le diagnostic des TNE par imagerie moléculaire, ainsi que pour la radiothérapie interne en utilisant des radionucléides émetteurs bêta (PRRT : peptide receptor radionuclide therapy). Les protocoles actuels de la PRRT impliquent l’administration de 4 cycles d’une activité fixe de ¹⁷⁷Lu-octréotate (p. ex. 7,4 GBq), ce qui donne des doses de radiation absorbée très variables pour les organes critiques et les lésions tumorales. Les faibles taux de toxicité sérieuse rénale et hématopoïétique (< 1 %) après traitement au ¹⁷⁷Lu-octréotate suggèrent que la plupart des patients reçoivent un traitement sous-optimal. La mise en place d’une personnalisation de l’activité administrée en fonction de la dosimétrie individualisée par imagerie moléculaire quantitative pourrait donc permettre de maximiser la réponse chez chaque patient, comparativement au régime empirique, et ce, en augmentant la dose tumorale absorbée sans dépasser les seuils de toxicité aux organes critiques. Les objectifs de cette thèse étaient donc, (i) de simuler un régime de PRRT personnalisée (P-PRRT) à partir d’une cohorte de patients atteints de TNE traités par PRRT empirique, (ii) de rapporter les premiers résultats dosimétriques, d’efficacité et de toxicité de notre essai prospectif de PRRT personnalisée (NCT02754297) et finalement (iii) d’évaluer l’exactitude et la reproductibilité interobservateurs des protocoles simplifiés de dosimétrie à deux temps (Jour 1 et 3) ou à un temps unique (Jour 3) basés sur la tomographie quantitative par émission de photon (QSPECT : quantitative single-photon emission computed tomography) effectuée après chaque administration de thérapie. Un autre objectif de la dernière étude était la mise à jour de notre protocole personnalisé de prescription de l’activité injectée (AI). (i) Pour répondre au premier objectif, nous nous sommes basés sur une étude rétrospective afin de concevoir un protocole personnalisé de PRRT basé sur les calculs dosimétriques. Par la suite, une simulation de ce protocole a été effectuée rétrospectivement chez des patients atteints de TNE traités par PRRT depuis 2012 à l’Hôpital de l’Hôtel-Dieu de Québec. Selon notre régime personnalisé de PRRT, la dose rénale absorbée par AI était prédite en fonction de la surface corporelle (SC) et le taux de filtration glomérulaire (TFG) pour le premier cycle de traitement, et par la dosimétrie rénale du cycle précédent (ou la moyenne de la dosimétrie rénale des deux derniers cycles) pour les cycles suivants. En normalisant la dose rénale absorbée administrée pendant les cycles d’induction, notre approche personnalisée a démontré une augmentation moyenne significative de 1,48 fois la dose cumulative maximale absorbée par la tumeur par rapport au régime empirique, augmentant potentiellement le bénéfice thérapeutique sans dépasser le seuil de toxicité rénale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».