Développement de nouveaux indices de complexité en protonthérapie : pour une prédiction par IA des résultats des contrôles de qualité pré-traitement

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

La protonthérapie est une technique de radiothérapie utilisée à Caen qui utilise des faisceaux de protons pour détruire les cellules cancéreuses. Avant chaque traitement, une planification précise est réalisée afin de déterminer la meilleure manière de délivrer la dose de protons à la tumeur tout en protégeant au maximum les tissus sains environnants. Une fois le traitement planifié et validé par le radiothérapeute, un contrôle de qualité (« CQ patient ») est réalisé par un physicien médical avant la première séance. Ce contrôle permet de vérifier que la dose calculée par le logiciel de planification correspondra bien à celle réellement délivrée par l’accélérateur. Il nécessite actuellement environ 30 minutes de travail quotidien et mobilise des équipements et des ressources humaines importants.
L’objectif de cette étude est de développer une méthode d’Intelligence Artificielle (IA) capable de prédire le résultat de ce contrôle qualité. Pour cela, des « indices de complexité » spécifiques à la protonthérapie seront d’abord développés afin de caractériser les plans de traitement et leur difficulté de délivrance. Un modèle d’IA déjà performant en radiothérapie conventionnelle sera ensuite adapté à la protonthérapie. Enfin, ses prédictions seront comparées aux données réellement enregistrées par l’accélérateur lors des traitements, appelées « log files », afin d’évaluer sa fiabilité.
L’impact pour la santé publique et le système de soins est donc triple : amélioration de l’accès aux soins (prendre en charge davantage de patients et réduire les délais d’attente), optimisation des dépenses de santé (le temps d’utilisation de cet équipement est très onéreux (6250 € /semaine)) et la garantie d'une sécurité maximale (même précision requise pour l’IA que pour les mesures).
L'objectif principal est de développer de nouveaux indices de complexité spécifiques à la protonthérapie (modalité Pencil Beam Scanning), tirés de l’analyse détaillée des données du fichier de plan de traitement (RTplan).
Les objectifs secondaires sont la transposition et l'évaluation d'un modèle d’IA existant et fonctionnel pour la photonthérapie afin de prédire les résultats des contrôles de qualité patient, notamment sur la délivrabilité, en utilisant les indices de complexité développés comme données d’entrée, puis d'évaluer la robustesse et l’homogénéité des performances prédictives du modèle d’intelligence artificielle au sein de différents sous-groupes cliniques, en stratifiant les analyses selon la localisation tumorale et le type de population.
Cette étude non interventionnelle s’appuie sur des données cliniques et biologiques existantes, collectées de manière standardisée. Les chercheurs développerons de nouveaux indices de complexité à la protonthérapie en utilisant des modèles statistiques pour identifier des différences significatives tout en tenant compte des caractéristiques des patients.
La population d'étude concerne tout patients majeurs, quel que soit le sexe et la localisation tumorale traitée, ayant bénéficié d’une planification de traitement par protonthérapie.