|
Résumé :
|
La radiothérapie externe, la forme la plus courante de radiothérapie, est un traitement non invasif qui consiste à détruire le tissu cancéreux au moyen d’un faisceau de photons ionisants dirigé vers le patient depuis l’extérieur. L’objectif est d’ajuster ce faisceau de manière à ce que la tumeur reçoive la dose de rayonnements prescrite, tout en limitant la dose administrée aux organes à risque environnants. L’élaboration d’un plan de traitement individuel optimal nécessite une délimitation précise du tissu cancéreux ainsi que des organes à risque, une procédure qui est souvent réalisée manuellement et qui demande énormément de travail. De plus, les processus de délimitation manuels sont source de variabilité dans la pratique clinique. Depuis peu, des modèles d’intelligence artificielle (IA) sont utilisés à l’UZ Leuven afin de procéder aux délimitations pour des indications tumorales telles que le cancer du sein et les cancers de la tête et du cou. Ces modèles d’IA ont d’abord été entraînés pour apprendre une tâche spécifique. Pour ce faire, un ensemble de données présélectionné a été utilisé en combinaison avec des étiquettes correspondantes de tumeurs et d’organes à risque pour l’indication tumorale visée. Ces modèles d’IA entraînés ont ensuite été évalués dans la pratique en déterminant les performances globales du modèle, le gain de temps et la variabilité inter-observateur dans le contexte clinique. Trois études cliniques différentes portant sur des patients atteints d’un cancer de la tête et du cou ou du sein ont montré que l’automatisation permet des gains de temps significatifs dans la pratique clinique. Les protocoles de segmentation basés sur l’IA réduisent par ailleurs la variabilité, ce qui se traduit par une plus grande cohérence entre les différents médecins d’un même centre. De manière générale, on peut dire que les modèles d’IA sont plus efficaces et plus cohérents, ce qui justifie leur utilisation dans la pratique clinique.
|
