L’Intelligence artificielle trouve de plus en plus d’applications sur le champ de la radiothérapie. C’est ainsi que le Centre Léon Bérard a lancé trois projets de recherche pour automatiser le contourage, calculer les doses par IRM ou adapter les traitements en temps réel.
Le Centre Léon Bérard, CCLC en région Rhône-Alpes-Auvergne, dispose, au sein de son département d’oncologie radiothérapique de 8 accélérateurs - 3 permettant de faire de la radiothérapie stéréotaxique, 2 tomothérapies et 1 Cyberknife® -, 6 à Lyon et 2 à Villefranche-sur-Saône, et compte 18 médecins, 45 manipulateurs en électroradiologie (MERM), 7 dosimétries et 11 physiciens.
L’IA pour automatiser le contourage en radiothérapie
Déjà en pointe sur les usages de l’IA en oncologie, il est l’un des établissements hospitaliers français en pointe dans ce domaine et travaille actuellement sur 3 nouveaux programmes en radiothérapie. L’IA pourrait permettre d’aller encore plus loin et d’opérer une véritable révolution concernant la précision des traitements comme le confort des patients et de diminuer la durée des traitements. C’est l’objet de ces trois programmes menés en collaboration avec TheraPanacea, un industriel et le laboratoire Creatis (Unité CNRS UMR 5220 – Inserm U1294 – Université Lyon 1 – INSA Lyon - Université Jean Monnet Saint-Etienne).
Le premier projet touche à l’automatisation et à l’amélioration de la précision du contourage avec l’outil Annotate de la compagnie TheraPanacea, un algorithme entraîné sur les scanners de dosimétrie de plus de 25 000 patients et qui permet aujourd’hui de contourer plus de 80 organes à risques grâce au Deep Learning. En routine clinique, les utilisateurs peuvent gagner jusqu’à 2h par jour sur l’activité de contourage avec cet outil. Une thèse multicentrique vient, d’autre part, d’être lancée, en collaboration avec l’Institut Gustave Roussy et TheraPanacea, pour améliorer la définition des volumes à traiter dans les tumeurs de la sphère ORL.
Un programme pour obtenir l’adaptation des traitements en temps réel
Le deuxième projet concerne la planification du traitement et le calcul des doses grâce à l’IRM, qui permet une meilleure visualisation et une caractérisation plus précise des tissus mous, des tumeurs et tissus sains. « Cet examen non irradiant sera aussi demain l’outil de référence pour le calcul des doses. Une IRM peut en effet être utilisée pour générer ce que l’on appelle un « pseudo-CT » sur lequel le calcul de dose sera effectué… Les techniques d’intelligence artificielle laissent entrevoir un gain substantiel de précision et un gain de temps considérable dans cette étape », précise le Pr Vincent Grégoire, chef du Département d’Oncologie Radiothérapique du Centre Léon Bérard.Cette fonctionnalité fait également l’objet d’une thèse centrée sur les tumeurs de la sphère ORL en collaboration avec le laboratoire Creatis et TheraPanacea.
Le dernier projet porte sur l’adaptation des traitements aux changements qui surviennent sur l’anatomie globale des patients et qui peuvent potentiellement modifier la qualité des traitements par plus d’irradiation des tissus sains et plus de complications. Ce travail, en collaboration Elekta notamment, utilise les images acquises par Cone-Beam CT et les capacités de l’IA pour recontourer les différents volumes d’intérêts et recalculer les doses en temps réel. À noter enfin que la radiothérapie adaptative fait également l’objet de 2 thèses financées par la firme Elekta, en collaboration avec Creatis.
Les grands modèles de langage multimodaux seraient-ils capables de réaliser des comptes rendus radiologiques ? Des résultats d’essais contradictoires troublent le ressenti sur les possibilités de GPT-4V, un modèle qui se concentre uniquement sur la précision diagnostique. Une étude publiée dans la R...
21/07/2025 -
Les méthodes d’élaboration des grands modèles de langage sont basées sur des règles qui ne traitent pas efficacement les données non standardisées. Des chercheurs britanniques présentent, dans un article publié dans la Revue European Radiology, RADEX, le nouvel outil d’extraction de données radiolog...
15/07/2025 -
Incontournables pour l’entrainement des modèles de deep learning, les annotations d’images radiologiques sont rébarbatives et chronophages pour les experts qui les créent. Des grands modèles de langage (LLM) pourraient remplacer les annotations humaines, comme l’indique un article scientifique publi...
23/06/2025 -
Radiologues, informaticiens et chercheurs présentent, dans un article publié dans la Revue Radiology, les pièges et les meilleures pratiques pour atténuer les biais des modèles d'intelligence artificielle (IA) en imagerie médicale. Ils présentent une sorte de feuille de route pour des pratiques plus...
13/06/2025 -
Selon une nouvelle étude publiée dans la Revue Radiology, un grand modèle de langage (LLM) améliorerait sensiblement la détection des erreurs dans les comptes rendus de radiologie. Les chercheurs ont utilisé des comptes rendus synthétiques et des données ciblées pour donner au LLM de la légèreté.
23/05/2025 -
Dans un nouvel article spécial publié dans la Revue Radiology, des chercheurs abordent les défis de cybersécurité liés aux grands modèles de langage (LLM). Ils soulignent l'importance de mettre en œuvre des mesures de sécurité pour empêcher leur utilisation malveillante dans le système de Santé et m...
21/05/2025 -
Les biais diagnostiques créés par l’IA relèvent d’un manque d’informations démographiques incluent dans les données de santé. Dans un article publié dans la Revue Radiology, des chercheurs américains décrivent l’importance d’une définition homogène décrivant les groupes démographiques. Un travail qu...
20/05/2025 -
Ne manquez aucune actualité en imagerie médicale et radiologie !
Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.