Réduction de l’empreinte temporelle des procédures de dosimétrie en radiothérapie interne vectorisée (RIV) par intelligence artificielle

Abstract

Introduction

Actuellement, une activité thérapeutique fixe est injectée aux patients bénéficiant d’une RIV limitant l’optimisation du traitement. Une voie d’optimisation serait de déterminer l’activité à injecter à l’aide de la dose absorbée estimée aux organes à risque et/ou aux sites tumoraux. Cette approche nécessite une à plusieurs sessions chronophages d’imagerie quantitative TEMP/TDM souvent difficilement supportables pour des patients algiques. Dans ce contexte, nous proposons d’utiliser un réseau de neurones pour réduire l’empreinte temporelle de l’imagerie.

Matériels et méthodes

Nous avons réalisé un à 4 examens TEMP/TDM à 20 patients traités au 177Lu. Ces examens consistaient en 60 projections de 30s acquises en mode liste permettant de générer des pseudo-projections de 6s. Nous avons développé un réseau de neurones de type WCGAN pour inférer des projections de 30s à partir de celles de 6s. Pour valider notre approche, nous avons comparé les activités cumulées dans les organes à risque de cinq patients non inclus dans l’entraînement ni la validation. Cette comparaison a été effectuée entre les estimations dérivées des images reconstruites à partir des projections réelles de 30s et celles inférées par le modèle.

Résultats

Pour les patients utilisés en test, les activités cumulées estimées à partir des images générées par le réseau différaient en moyenne de 0 et 5 % pour le foie et les reins, respectivement, par rapport à celles estimées à partir des projections de 30s réellement acquises. Les activités cumulées pour ces mêmes organes obtenues à partir des projections de 6s ont montré des écarts moyens de 15 et 10 % par rapport à celles obtenues avec les projections réelles.

Conclusion

Dans le cadre d’acquisitions à visée dosimétrique en RIV, on peut réduire d’un facteur 5 la durée d’une acquisition sans détriment majeur sur le calcul de l’activité cumulée dans les organes à risque, point d’entrée à l’estimation de la dose absorbée. Cela permettrait de réaliser une tomographie double pas en 6 minutes ou bien de permettre un pas supplémentaire pour estimer les doses absorbées à des volumes d’intérêt inaccessibles avec deux pas en 9 minutes. Ce travail prometteur devra être étendu non seulement par l’ajout de nouvelles images dans l’apprentissage du réseau mais aussi par l’intégration de la dose absorbée aux sites tumoraux.