Aller au contenu principal
Accueil

Main navigation

  • Actualités
    • Toutes les actualités
    • Séminaires - Soutenances
  • Présentation
    • CREATIS
    • Organigramme
    • Personnels
    • Effectifs
    • Contacts
    • Accès
  • Recherche
    • Equipes de recherche
    • Projets transversaux
    • Projets Structurants
    • Plateformes d'imagerie
    • Rapports d'activités
    • Notes d'information données
  • Contributions
    • Publications
    • Brevets
    • Logiciels
  • Formations
    • Implications dans les formations
    • Ecoles doctorales
  • Emplois et Stages
  • French French
  • English English
Search API form
User account menu
  • Account
    • Se connecter

Fil d'Ariane

  1. Accueil
  2. Job opportunities
  3. Dosimétrie simplifiée en radiothérapie interne vectorisée au 177Lu-PSMA : prédiction de la réponse au traitement à partir de la dose et d’un modèle de machine learning.

Dosimétrie simplifiée en radiothérapie interne vectorisée au 177Lu-PSMA : prédiction de la réponse au traitement à partir de la dose et d’un modèle de machine learning.

Contexte général :
La radiothérapie interne vectorisée (RIV) est une thérapie systémique innovante, utilisée en dernière ligne de traitement des cancers de la prostate métastatiques résistants à la castration. Ce traitement consiste à administrer par voie intraveineuse un radiopharmaceutique, ici le Lutétium-177 PSMA (¹⁷⁷Lu-PSMA) [1], qui cible spécifiquement les cellules tumorales surexprimant l’antigène membranaire spécifique de la prostate (PSMA). Cette stratégie permet de délivrer localement une irradiation thérapeutique tout en préservant au maximum les tissus sains.
Actuellement, cette thérapie est administrée selon un protocole standardisé : chaque patient reçoit entre 4 et 6 injections de 7.4 GBq de 177Lu espacées de 6 semaines. Toutefois, d’importantes variabilités interindividuelles et inter-lésionnelles sont observées, tant sur le plan de la réponse thérapeutique que des effets indésirables. Ces disparités soulignent la nécessité d’une personnalisation du traitement, en s’appuyant notamment sur la dosimétrie [2], c’est-à-dire l’estimation de la dose absorbée (énergie déposée par unité de masse) dans les organes et les tumeurs. A terme, l’objectif est d’adapter le plan de traitement à chaque patient afin de maximiser l’irradiation des tissus tumoraux tout en limitant celle dans les organes à risque.
Pour estimer ces doses, plusieurs acquisitions SPECT/CT sont réalisées dans les heures suivant l’administration afin de suivre la biodistribution temporelle du radiopharmaceutique chez le patient [3]. Cela permet de déterminer précisément où et en quelle quantité l’énergie est déposée dans les différents tissus. Cependant, en routine clinique, il n’est pas toujours possible de multiplier le nombre d’acquisitions, en raison du nombre croissant de patients, de contraintes logistiques (disponibilité des équipements et du personnel), ainsi que de l’état de santé parfois fragile des patients [4]. Pour pallier ces limitations, des approches de dosimétrie simplifiée ont été développées. Celles-ci visent à réduire le nombre d’acquisitions, voire à se baser sur une seule image post-thérapeutique [5-7], tout en intégrant des informations a priori issues de données populationnelles.
 

Objectifs du stage :
Au sein de l’équipe, un modèle de machine learning a été entraîné pour prédire la réponse au traitement à partir de l’image SPECT acquise 24h après la première administration. Dans ce stage, l’objectif sera d’intégrer les estimations dosimétriques obtenues avec des méthodes simplifiées dans ce modèle et de déterminer s’il y a des corrélations entre les valeurs de doses et la réponse et si, l’une des méthodes de dosimétrie simplifiées prédit mieux que les autres la réponse au traitement.
Le/la candidat(e) aura à sa disposition une base de données d’images et de caractéristiques de patients ayant déjà été traités avec du 177Lu-PSMA. Les méthodes de dosimétrie utilisant une ou plusieurs acquisitions dont le/la candidat(e) aura besoin pour générer les données d’entrée sont déjà implémentées ainsi qu’un premier modèle de machine learning. Le/la candidat(e) pourra également visiter le service de médecine nucléaire du centre Léon Bérard s’il le souhaite.
 

Profil recherché :
Profil élève-ingénieur en santé ou étudiant en physique médicale (Master 2)
Bonne connaissance du langage python
Bonne connaissance en statistiques
Bonne connaissance en physique des rayonnements ionisants
Bonne connaissance en imagerie médicale (gamma caméra et scanner / traitement d’images médicales)
Anglais (lecture, écriture, parlé)
Les connaissances en Machine Learning seraient un plus.
 

Informations pratiques :
Lieu : Laboratoire CREATIS dans l’équipe TOMORADIO qui est située au sein du Centre Léon Bérard (28 rue Laënnec, 69008 Lyon)
Gratification de stage : Selon les tarifs en vigueur
Durée : 5/6 mois (à définir)
 

Candidature à envoyer à avant le 24/10/2025 (CV + lettre de motivation) :
- David Sarrut david.sarrut@creatis.insa-lyon.fr
- Stéphanie Lamart stephanie.lamart@asnr.fr
- Laure Vergnaud laure.vergnaud@asnr.fr
 

Références :
[1] Sartor et al. (2021) Lutetium-177–PSMA-617 for Metastatic Castration-Resistant Prostate Cancer, New England Journal of Medicine DOI: 10.1056/NEJMoa2107322
[2] Sjogreen-Gleisner et al. (2023) EFOMP policy statement NO. 19: Dosimetry in nuclear medicine therapy – Molecular radiotherapy, Physica Medica DOI: 10.1016/j.ejmp.2023.103166
[3] Vergnaud et al. (2022) Patient-specific dosimetry adapted to variable number of SPECT/CT time-points per cycle for 177Lu-DOTATATE therapy, EJNMMI Physics DOI: 10.1186/s40658-022-00462-2
[4] Vergnaud et al. (2024) A review of 177Lu dosimetry workflows: how to reduce the imaging workloads?, EJNMMI Physics DOI: 10.1186/s40658-024-00658-8
[5] Hänscheid et al. (2017) Absorbed dose estimates from a single measurement one to three days after the administration of 177Lu-DOTATATE/-TOC, Nuklearmedizin DOI: 10.3413/Nukmed-0925-17-08
[6] Hänscheid et al. (2018) Dose mapping after endoradiotherapy with 177 Lu-DOTATATE/DOTATOC by a single measurement after 4 days, Journal of Nuclear Medicine DOI: 10.2967/jnumed.117.193706
[7] Madsen et al. (2018) Technical Note: Single time point dose estimate for exponential clearance, Medical Physics DOI: 10.1002/mp.12886
[8] Gomes et al. (2025) Characterization of Effective Half-Life for Instant Single-Time-Point Dosimetry Using Machine Learning, Journal of Nuclear Medicine DOI: 10.2967/jnumed.124.268175

Téléchargements

Stage_Master_2_sujet_Dosimetrie_177LuPSMA.pdf (79.49 Ko)

Type

Sujet de master

Statut

Recrutement en cours

Periode

2025-2026

Contact

David Sarrut david.sarrut@creatis.insa-lyon.fr / Stéphanie Lamart stephanie.lamart@asnr.fr / Laure Vergnaud laure.vergnaud@asnr.fr

Barre liens pratiques

  • Authentication
  • Intranet
  • Flux rss
  • Creatis sur Twitter
  • Webmail
Accueil

Footer menu

  • Contact
  • Accès
  • Newsletter
  • Mentions Légales