Contexte :

Le contexte de cette thèse s'inscrit dans la prise en charge des tumeurs mobiles par la radiothérapie (RT) en stéréotaxie extra-crânienne (STEC) utilisant de forts gradients de doses et pour lesquelles la définition du volume cible tumoral à irradier est d'une importance primordiale car elle permet :

- De bien couvrir et traiter la tumeur mobile,

- D'éviter les séquelles aux organes et tissus sains adjacents.

Imager la composante temporelle du volume cible est réalisable grâce à la modalité CT-4D. Cependant certaines lésions hépatiques ne sont pas toujours visibles sur le CT, même après injection de produit de contraste. Au sein des départements de physique médicale et de radiothérapie à l’Institut Universitaire du Cancer de Toulouse - Oncopole (IUCT-O), la réalisation d'un examen d'IRM-3D en position de traitement a permis de mieux visualiser et de mieux définir la lésion à irradier pour la phase d'expiration correspondant à la phase la plus stable du cycle respiratoire, qui a donc été choisie comme fenêtre de traitement en RT STEC. Ainsi cet examen IRM est réalisé en routine clinique pour la préparation du plan de RT STEC. Cette stratégie bien que satisfaisante pour le traitement reste perfectible. L'apport d‘algorithmes d'I.A. modernes permettrait d'améliorer la reconstruction des images manquantes ou présentant des artéfacts liés aux mouvements ou à la respiration irrégulière du patient. Dû aux contraintes sur le nombre de données annotables par des experts ainsi que la criticité de l'utilisation des algorithmes vis-à-vis des patients, une collaboration forte entre praticien et spécialiste des algorithmes d'I.A. est cependant nécessaire pour développer de nouvelles méthodologies à fort potentiel en termes d'innovation.

On se propose de tirer profit des examens d'imagerie CT-4D et IRM-3D déjà acquis pour offrir une stratégie de prise en charge innovante intégrant l'aspect d'I.A.

Objectif principal :

L'objectif principal, d'un point de vue méthodologique, est d'étendre une méthode de recalage élastique sur les images des différentes phases respiratoires entre elles pour en améliorer la qualité. Une approche d'I.A. hybride basée sur des modèles déterministes intégrés dans des réseaux de neurones sera utilisée.

Objectifs secondaires :

Rendre interprétable l'utilisation de cette stratégie en I.A. pour le patient ainsi que le praticien avec la nécessité d'expliquer une prédiction algorithmique aux utilisateurs, principe largement mis en avant par la proposition de règlement du parlement Européen paru en 2021 (dit « A.I. Act »).