Le cancer de la prostate est le deuxième cancer le plus fréquent et la cinquième cause de décès par cancer chez les hommes. Pour améliorer les résultats de santé des patients, le traitement doit être personnalisé en se basant sur un pronostic précis. Il existe déjà des nomogrammes permettant d’identifier les patients à faible risque de récidive sur la base d’informations cliniques préopératoires, mais ces outils n’utilisent pas les images médicales des patients.

L’objectif de ce projet est d’utiliser l’apprentissage profond pour développer un modèle combinant les images FDGPET/ CT et les données cliniques des patients afin d’améliorer le pronostic prétraitement du cancer de la prostate de haut grade. Ce modèle doit être performant, mais aussi interprétable afin de permettre à un expert de comprendre les probabilités données.