Thèse Evaluation du Risque de Cancer du Poumon chez les Patients Atteints de Fibrose Pulmonaire par Intelligence Artificielle H/F - Doctorat.Gouv.Fr

Établissement : Université Côte d'Azur École doctorale : STIC - Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Morphologie et Images Direction de la thèse : Xavier DESCOMBES ORCID 0000000276116021 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-03T23:59:59 La fibrose pulmonaire (PF) est caractérisée par une inflammation chronique et une accumulation de fibroblastes et de matrice extracellulaire au sein de l'interstitium pulmonaire, conduisant à une destruction progressive du parenchyme pulmonaire. Il est important de noter que le PF est un facteur de risque indépendant de cancer du poumon (LC) (PMID 30069384) et est considéré comme une affection prénéoplasique. En effet, des cellules épithéliales prénéoplasiques hébergeant des mutations oncogènes sont observées au sein du parenchyme fibrotique (PMID : 11679937, 10417684).
La PF partage plusieurs mécanismes avec la carcinogenèse pulmonaire, notamment des altérations génétiques, une activation aberrante des voies de signalisation embryonnaires et une altération de la diaphonie épithéliale-mésenchymateuse (PMID : 31125557) ; cependant, les mécanismes spécifiques impliqués sont mal compris. Le microenvironnement PF, composé de fibroblastes et de cellules immunitaires, semble jouer un rôle crucial dans la carcinogenèse pulmonaire. En effet, les fibroblastes sécrètent divers facteurs de croissance pouvant stimuler la prolifération des cellules épithéliales. De plus, le TGF-, un régulateur majeur de la fibrose, induit une immunosuppression (PMID : 30445777). Ainsi, nous avons émis l'hypothèse que le microenvironnement PF, associé à une modification du phénotype des cellules épithéliales, pourrait favoriser l'initiation et la progression de la LC.
Pour répondre à cette hypothèse, nous avons effectué une caractérisation moléculaire approfondie du poumon fibrotique de patients atteints de PF avec LC (PF/LC+ ; n=17) et sans LC (PF/LC- ; n=31) en utilisant des approches protéomiques (LC-MS/MS) et transcriptomiques (séquençage en masse d'ARN) sur des échantillons de tissus FFPE. Il est intéressant de noter que les résultats de ces analyses omiques montrent que le parenchyme pulmonaire fibreux des patients PF/LC+ présente un profil moléculaire distinct de celui des patients PF/LC-. En effet, les analyses RNAseq en masse montrent qu'il existe un enrichissement significatif des gènes associés au phénotype CAF (fibroblastes associés au cancer), à l'échappement immunitaire et à la sénescence dans PF/LC+ par rapport à PF/LC-. La validation de ces résultats par immunofluorescence multiplex (mIF) utilisant plusieurs marqueurs immunitaires (CD20, CD3, CD8, granzyme B, CTLA4 et CD68) et CAF (FAP et PDGFR) est en cours.
L'objectif de ce projet est d'identifier les biomarqueurs du microenvironnement et les caractéristiques phénotypiques des cellules épithéliales qui peuvent augmenter le risque de LC chez les patients atteints de fibrose pulmonaire. La première étape consistera à créer un modèle d'IA conçu pour prédire le risque de LC à l'aide de données multimodales hétérogènes, telles que des images d'immunofluorescence avec des données omiques. Compte tenu du nombre relativement limité de patients disponibles, nous prévoyons de tirer parti de modèles non supervisés et/ou pré-entraînés pour améliorer la robustesse du modèle. Nous nous concentrerons sur l'explicabilité du modèle proposé afin de déduire des biomarqueurs à partir du classificateur proposé dans un deuxième temps. Enfin, nous évaluerons l'IA générative pour modéliser d'éventuelles modalités manquantes. Ce projet de thèse s'inscrit dans le cadre d'allocations doctorales attribuées par Université Côte d'Azur à l'issue d'une sélection. La date de début est indiquée au 1er Octobre mais une souplesse d'un mois est possible. Le financement du doctorat est soumis aux processus académiques usuels de sélection des allocations doctorales. Voir: https://webusers.i3s.unice.fr/edstic/3-2-candidater-fr.php et pour l'EUR-DS4H https://ds4h.univ-cotedazur.eu/education/phd/annual-campaign

This PhD subject is part of a doctoral grant awarded by the Université Côte d'Azur following a selection process. The start date is October 1, but can be flexible up to one month. More details on the selection process can be found on https://webusers.i3s.unice.fr/edstic/3-2-candidater-en.php and for EUR-DS4H https://ds4h.univ-cotedazur.eu/education/phd/annual-campaign

Le candidat devra être titulaire d'un M2 ou grade équivalent au moment du recrutement.

Pré-requis:
Intelligence artificielle - CNN, Transformers
IA générative
Analyse d'image
Appétence pour un travail multidisciplinaire