Magazine ARIAS

L’intelligence artificielle, une précieuse alliée pour l’imagerie de planification en radiothérapie 

Selon les derniers chiffres de l’Agence internationale de recherche contre le cancer (IARC)1, on dénombre plus de 18 millions de nouveaux cas de cancers dans le monde chaque année. Une prévalence en constante augmentation qui devrait dépasser 24 millions en 2030.

Pour faire face au besoin croissant de prise en charge de ces patients, la radiothérapie est l’une des principales armes thérapeutiques, avec la chimiothérapie et la chirurgie : en effet, plus des deux tiers des patients atteints d’un cancer y recourront au cours de leur parcours de soins2.

C’est dire si l’optimisation de ce traitement est un enjeu fort, auquel l’intelligence artificielle pourrait bien apporter une réponse… 

Pour rappel, la radiothérapie consiste à délivrer des rayons de haute intensité au niveau d’une tumeur afin de détruire les cellules cancéreuses. Problème : la tumeur est parfois située à proximité d’un ou plusieurs organes dits à risques ou sensibles. C’est pourquoi l’équipe médicale élabore en amont du traitement et pour chaque patient un plan personnalisé qui permettra de localiser les volumes cibles et les organes à risque (le contourage) afin de déterminer la distribution de dose optimale à délivrer au patient (la dosimétrie).

ARIAS Magazine

|

Ce prérequis à tout traitement par radiothérapie est réalisé par imagerie, au moyen d’un scanner de simulation dont sont dotés la plupart des centres de radiothérapie. L’examen est parfois complété par un TEP-scanner ou un IRM. Incontournable, le contourage n’en est pas moins fastidieux puisque, jusque récemment, il était réalisé à la main par le radiothérapeute et/ou le dosimétriste/physicien.

Outre son caractère chronophage, cette étape manuelle présente également, comme toute action humaine, une importante variabilité. Et s’il existe déjà des solutions informatiques d’aide (dites Atlas-based), leur fiabilité est limitée puisqu’elles demandent très souvent de multiples corrections manuelles. 

Mais une nouvelle génération de logiciels dotés d’intelligence artificielle permet désormais de pallier à ces failles. Fondés sur le deep learning, ces outils rendent l’opération reproductible, limitent fortement le besoin de retouche et, en s’adaptant à chaque patient, s’incluent dans la médecine de précision. De plus, ils réduisent considérablement le temps d’exécution, permettant parfois de passer de plus d’une heure à quelques minutes !

Autant de temps dégagé pour que les équipes médicales se consacrent à des tâches à plus forte valeur ajoutée. La délimitation automatique des organes à risques participe ainsi à améliorer la gestion des flux de travail tout en offrant des contours d’une extrême précision, sécurisant et optimisant ainsi la répartition de la dose de rayons. 

Cette dernière est en effet un élément clé de la planification d’un traitement de radiothérapie. A ce jour, elle est réalisée par scanner, seule modalité d’imagerie qui apporte l’information nécessaire sur la densité électronique pour définir la dose d’irradiation.

Pour autant, l’IRM fournit lui aussi des informations fort précieuses au radiothérapeute puisqu’il offre un excellent contraste des tissus mous, des éléments sur l’extension de la tumeur ainsi qu’une connaissance de l’activité tumorale. C’est pourquoi de nombreux services de radiothérapie intègrent dans leur protocole de planification un double examen : le scanner, pour la densité électronique nécessaire au calcul de la dosimétrie, et l’IRM, pour le contourage de la cible.

Cependant, ce double examen entraîne de fait un surplus de travail, auquel s’ajoutent des difficultés pour fusionner les images des deux dispositifs d’imagerie, une opération pourtant nécessaire à l’élaboration du plan du traitement. 

Là encore, l’intelligence artificielle peut permettre de dépasser l’obstacle : en effet, les méthodes de deep learning proposent dès aujourd’hui des algorithmes capables de générer des images scanographiques de synthèse à partir des images d’IRM. Ainsi, à l’issue d’une seule séquence d’IRM, il est possible d’obtenir l’ensemble des informations nécessaires à la planification du traitement, y compris celles permettant de calculer la dose de rayons.

Plus encore, l’IA pourrait permettre de corriger le plan et d’ajuster la dose en fonction des changements propres à chaque patient en cours de traitement (modifications de la morphologie comme une perte de poids, par exemple).

Autant de perspectives prometteuses qui permettront non seulement d’améliorer les flux de travail des services mais, surtout, d’optimiser la prise en charge des patients – toujours plus nombreux – en radiothérapie.