Prédiction de survie du cancer du poumon par imagerie 4DCT et réseaux génératifs lors d'un traitement par radiothérapie

La radiothérapie externe est une méthode de traitement privilégiée pour traiter les cas de cancer du poumon, car elle permet d’éviter l’opération de patients âgés ou ne souhaitant pas être opérés. Cette méthode nécessite cependant de prendre en compte le mouvement de la tumeur au cours de la respiration pour mieux la cibler durant le traitement, épargnant ainsi les tissus sains tout en détruisant les cellules cancéreuses. Bien que le mouvement respiratoire soit de mieux en mieux intégré dans la planification du traitement, sa gestion lors du traitement est encore compliquée. Les méthodes actuelles consistent principalement à augmenter les marges de sécurité du faisceau, en prenant le risque de s’assurer de cibler la tumeur au prix d’une toxicité accrue pour les cellules saines. Une deuxième stratégie possible est de demander au patient de retenir sa respiration, ou utiliser des compressions abdominales pour limiter le mouvement respiratoire, ce qui restreint le confort du patient. Une autre méthode plus récente consiste à implanter des marqueurs au sein du patient afin de suivre la tumeur en temps réel. Cette dernière méthode représente une avancée considérable, mais nécessite une chirurgie locale pour implanter les marqueurs au sein du patient. Dernièrement, il est possible d’utiliser l’imagerie pour déterminer la position de la tumeur en temps réel et repositionner le faisceau de radiation en conséquence. Cependant les délais de traitement et de replacement ne permettent pas réellement le temps réel. Pour réaliser un suivi en temps réel de la tumeur il est nécessaire de prédire ses positions à l’avance afin de disposer du temps nécessaire pour replacer le faisceau. Les développements récents de l’intelligence artificielle permettent de répondre à cette problématique.

Abstract

External radiotherapy is one of the treatment of choice for treating lung cancer as it allows avoiding surgery on older or otherwise ineligible patients. However this method needs to take into account the tumour movement during respiration in order to improve tumour targeting during treatment, consequently avoiding unnecessary damages to healthy tissues while destroying cancerous cells. Respiratory movement is increasingly better integrated into treatment planning, yet dealing with it during treatment delivery is still an issue. Current methods mainly consist of increasing safety margins in the radiation beam, which chooses to make sure to accurately target the tumour at the expense of an increased toxicity for healthy tissues. A second possible strategy is to ask the patient to hold their breath or use abdominal compression to limit their respiratory motion, which reduces the patient’s comfort. Another more recent method consists of implanting fiducial markers in the patient in order to follow the tumour in real time. This last method represents a significant improvement but nonetheless requires to perform local surgery to implant the markers. Finally, medical imaging can be used to infer real-time position of the tumour and readjust the radiation beam adequately. However latencies in the calculation and replacement steps do not allow for a real-time following of the tumour. To do so, it is necessary to predict the tumour’s future positions in advance in order to replace the beam in time. Recent developments of artificial intelligence allow to answer this issue.