Caractérisation des tumeurs gliales en TEP/TDM à la 18F-Dopa et en IRM de perfusion
Auteur / Autrice : | Christophe Nioche |
Direction : | Irène Buvat |
Type : | Thèse de doctorat |
Discipline(s) : | Physique |
Date : | Soutenance le 29/06/2011 |
Etablissement(s) : | Paris 11 |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences et Technologies de l'Information, des Télécommunications et des Systèmes (Orsay, Essonne ; 2000-2015) |
Jury : | Président / Présidente : Hervé Foehrenbach |
Examinateurs / Examinatrices : Irène Buvat, Hervé Foehrenbach, Charles-André Cuenod, Alexander Hammers, Marine Soret, Jean-Noël Vallée | |
Rapporteurs / Rapporteuses : Charles-André Cuenod, Alexander Hammers |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
L’IRM apporte des informations morphologiques concernant la tumeur, mais également des informations concernant sa micro-vascularisation. En TEP/TDM, l’accumulation de la 18F-FDopa dans les cellules tumorales résulte de l’activité métabolique plus importante que celle des tissus sains. Nous avons étudié 28 gliomes pour lesquels nous avons analysé les données provenant d’IRM et de TEP/TDM. Une méthode de recalage a été développée afin de combiner les informations issues des deux modalités TEP et IRM et d’extraire des volumes d’intérêt sur la base des données conjointes TEP et IRM. L’analyse du contenu de ces volumes d’intérêt par un modèle de mélange gaussien a permis de différencier, dans ces volumes, les tissus tumoraux et les tissus sains, et d’obtenir ainsi des volumes tumoraux et de référence communs pour les modalités TEP et IRM. Des paramètres issus de la TEP ou de l’IRM ont ensuite été calculés dans ces volumes communs aux deux modalités, pour caractériser les tumeurs et les tissus sains. L’analyse discriminante linéaire (ADL) des données TEP/TDM et d’IRM combinées permet de discriminer les différentes classes tissulaires. Les courbes Receiver Operating Characteristic ROC combinées à l’ADL permettent d’évaluer les critères multiples [SUVmax , rCBV] et [rk1 , rCBV] et conduisent à des AUC respectives de 0,88 et 0,92. En considérant les informations combinées [SUVmax , rCBV], nous avons obtenu une sensibilité de détection des tumeurs de haut grade de 95% pour une spécificité correspondante de 60% ainsi qu’une valeur prédictive négative de 52% pour une valeur prédictive positive de 95%. De même, avec le critère [rk1 , rCBV], nous avons obtenu une spécificité de 60% pour 95% de sensibilité de détection des tumeurs de haut grade ainsi qu’une valeur prédictive négative de 60% pour une valeur prédictive positive de 95%. Nos travaux montrent que la fusion des informations microvasculaires et métaboliques est possible. Dans le cas du diagnostic différentiel des gliomes, l’information microvasculaire n’apporte cependant pas d’information plus discriminante que l’information métabolique seule.