Radiothérapie adaptative guidée par l'intelligence artificielle pour les cancers ORL

AI-Driven Adaptive Radiation Treatment Delivery for Head & Neck Cancers

• Auteur / Autrice : Alexandre Cafaro
• Direction : Eric Deutsch, Nikos Paragios, Vincent Gregoire
• Type : Projet de thèse
• Discipline(s) : Sciences du Cancer
• Date : Inscription en doctorat le 30/09/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Cancérologie, Biologie, Médecine, Santé
• Partenaire(s) de recherche : Laboratoire : Radiothérapie Moléculaire et Innovation Thérapeutique
• Partenaire(s) de recherche : Equipe de recherche : The Radiotherapy, ImmunoRadAI,
• Partenaire(s) de recherche : Référent : Faculté de médecine
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Life Sciences and Health (2020-....)

Mots clés

Mots clés libres

Artificial Intelligence

Computer Vision

Medical Image Analysis

Machine Learning

Deep Learning

Radiotherapy

Résumé

Le cancer de la tête et du cou (HNC) est le 6e cancer le plus fréquent dans le monde, avec une incidence croissante et une aggravation des résultats. Les raisons d'un mauvais pronostic incluent un diagnostic tardif et le manque de signatures spécifiques permettant de prédire le comportement et de guider le traitement. La radiothérapie ainsi que la chirurgie sont les principales stratégies de traitement utilisées pour éliminer les cellules cancéreuses tout en préservant les cellules vitales présentes à proximité. Les cancers de la tête et du cou sont parmi les plus difficiles à traiter par radiothérapie. Cela est dû à plusieurs raisons : (i) la planification du traitement est une tâche fastidieuse, longue et complexe qui souffre d'une importante variabilité inter/intra-clinique des experts, (ii) les changements anatomiques tout au long du traitement sont importants et peuvent être naturels (perte de poids) ou des sous-produits du traitement (impact des rayonnements sur certains organes à risque). Par conséquent, l'adaptation du traitement est essentielle pour améliorer les résultats et réduire la toxicité. Afin d'atteindre cet objectif, les capacités d'imagerie associées à la délivrance du traitement doivent être exploitées. Cependant, une telle imagerie est soit à faible résolution (cone beam CT) et disponible une seule fois avant le traitement, soit, pour le même matériel de pointe, disponible tout au long des séances de traitement mais de nature différente de celle utilisée pour la planification (rayons X biplans). L'objectif de cette thèse est d'aborder efficacement le problème de la planification du traitement adaptatif aux radiations dans le cadre des tumeurs de la tête et du cou. Les cancers de la tête et du cou présentent un intérêt particulier dans le cadre de l'adaptation du traitement en raison de la nature implicite des changements anatomiques tout au long de la délivrance du traitement. Dans ce projet, nous aimerions étudier des moyens efficaces pour la planification du traitement, des moyens efficaces d'estimation et de replanification cumulative de la dose, ainsi que des moyens efficaces d'associer les choix thérapeutiques aux résultats finaux et aux effets secondaires à long terme.

Head and neck cancer (HNC) is the 6th most common cancer worldwide with an increasing incidence and worsening outcomes. Reasons for poor prognosis include late diagnosis and lack of specific signatures that would allow prediction of behavior and guide treatment. Radiation therapy along with surgery are predominantly used treatment strategies with aim to eliminate cancerous cells while preserving vital cells present in the vicinity. Head and neck cancers are among the most challenging ones in the context of radiation therapy. This is due to several reasons: (i) treatment planning is a tedious, time consuming and complex task suffering from important inter/intra clinical expert variability, (ii) anatomical changes throughout treatment are important and either natural (loss of weight) are byproduct of treatment (impact of radiation on some of the organs at risk) . Therefore, treatment adaption is essential towards improve outcome and reducing toxicity. In order to achieve this objective, imaging capabilities associated with treatment delivery are to be exploited. However, such imaging is either low resolution (con beam CT) and available only once prior to treatment or for same state of the art hardware available throughout the entire treatment sessions but of nature different to the one used for planning (bi-planer X-rays). The aim of this thesis is to effectively tackle the problem of radiation adaptive treatment planning in the contest of head and neck tumors. Head and neck cancers are of particular interest in the context of treatment adaptation due to the implicit nature of anatomical changes associated with this anatomical change throughout the treatment delivery. In this project, we would like to investigate efficient means for treatment planning, efficient means of dose cumulative estimation and replanning and efficient means of associating treatment therapeutic choices with final outcomes as well as associated lifelong side effects.