Ce thème de recherche examine l’imagerie au-delà des capacités diagnostiques et de guidage, en analysant les fonctionnements des modalités non-ionisantes et de la rétroaction en temps réel pour effectuer le monitoring des effets et des taux de succès pour des procédures thérapeutiques. L’objectif ici est de poursuivre nos travaux antérieurs dans les domaines de la perfusion par imagerie ultrason rehaussée par agent de contraste et de la thermométrie d’ablations. Des méthodes de monitoring basées sur les réponses acoustiques obtenues sur les tissus d’intérêts et la fusion d’images multimodales seront investiguées.
L'imagerie par résonance magnétique (IRM) à quatre dimensions est réalisable pour la surveillance longitudinale du débit sanguin hépatique chez des patients présentant une hypertension portale, avant et après la mise en place d'un shunt intra-hépatique par voie transjugulaire (TIPS). Elle peut fournir une évaluation des altérations du débit sanguin induites par l'hypertension portale et a le potentiel de guider les décisions de traitement concernant le placement du TIPS. De plus les angiogrammes d'imagerie RM de flot 4D et les mesures du débit sanguin fournissent une évaluation angiographique et quantitative de la réponse hémodynamique hépatique à l'implantation de TIPS.
Notre idée consiste à utiliser des séquences IRM de flot 4D dynamique rehaussées par contraste, pour le développement et la validation d'un modèle de perfusion hépatique qui permet l'évaluation de l'efficacité des traitements pour des patients ayant subi des séquences de chimio-embolisation.
Chaque année, plus de 14 millions de nouveaux cas de cancer sont diagnostiqués dans le monde et l’on estime que 50% des patients atteints de cancer peuvent bénéficier de la radiothérapie externe pour contrôler et gérer leur maladie. Afin d'éviter d'endommager les tissus sains autour de la tumeur, l'organe traité doit être constamment visualisé et localisé pendant le traitement. Un moyen d'y parvenir consiste à utiliser une échographie (ultrason) bidimensionnelle (US 2D) pour guider la radiothérapie externe. Cependant, une représentation tridimensionnelle (3D) en temps réel de l'organe traité, qui ne peut pas être facilement obtenue avec un US 2D, améliorerait l'efficacité de la radiothérapie externe.
Les progrès récents en apprentissage machine peuvent être utilisés pour améliorer le suivi des organes lors d'une radiothérapie externe guidée par les ultrasons 2D en prédisant la forme 3D de l'organe traité en temps réel au cours du traitement à l'aide d'acquisitions ultrasons 2D facilement disponibles et d'une représentation 3D de l'organe. L'objectif global de ce projet est de développer une plateforme permettant de surveiller et de prédire la forme 3D d'un organe d'intérêt lors d'une intervention médicale.
L'IRM basée sur la radiothérapie est une composante importante des options de traitement pour guérir de nombreux cancer. L'un des problèmes majeurs, qui limite l'ajout de l'IRM dans le processus de traitement en radiothérapie, est que l'IRM ne fournit pas d'informations sur la densité électronique des tissus nécessaires au calcul de la dose du traitement. L'objectif du projet est de concevoir et de développer un système de planification de traitement adapté au patient basé sur l'intelligence artificielle, en identifiant les patients appropriés pour la radiothérapie par faisceau externe et en s'adaptant à l'évolution de l'anatomie tout au long de la radiothérapie avec un plan de dose d'IRM optimal équilibrant la tolérance tissulaire normale et le traitement de la tumeur. Plus précisément, la génération de dosimétrie basée sur l'IRM à travers une génération de multi-hypothèses pseudo-CT avec une segmentation multi-organes automatique à partir de modèles d'apprentissage profond multimodaux adaptatifs. Notre objectif est d'optimiser l'intégration de l'IRM non seulement lors de la planification de la radiothérapie, mais également lors de l'administration de la dose avec une meilleure délimitation du volume cible et l'évitement des structures critiques.
Le cancer hépatocellulaire est la troisième cause mondiale de mortalité reliée au cancer et son incidence est à la hausse. Dans les stades avancés de la maladie, la chimioembolisation transartérielle est devenue le traitement privilégié pour rallonger l'espérance de vie. Nous proposons un traitement innovateur et minimalement invasif qui vise à injecter des microbilles ferromagnétiques, biodégradables et à élution médicamenteuse dans les artères hépatiques et à les naviguer vers la tumeur en utilisant les gradients de champs magnétiques d'une machine clinique d'IRM. Ce concept, appelé "navigation par résonance magnétique (NRM)", a démontré des résultats encourageants autant in vitro que chez des modèles de lapin, mais plusieurs défis restent à relever avant que le traitement soit appliqué à la pratique clinique. Un de ces défis est la définition des paramètres de gradients magnétiques à partir des données rhéologiques et géométriques. La phase d'imagerie permettra d'acquérir les données rhéologiques et géométriques telles que la morphologie artérielle et le flux sanguin hépatique. À partir de cette information, la séquence de propulsion peut être optimisée pour s'assurer d'une livraison optimale des microbilles. Cette partie du projet vise à démontrer à partir d'expériences sur des modèles de cochon que le flux sanguin peut être contrôlé et mesuré et que la géométrie du système artériel hépatique peut être extraite des images d'IRM et utilisée pour la NRM. Nous concevrons finalement une plateforme intégrant la modélisation artérielle 3D, le contrôle en temps réel de paramètres rhéologiques et l'injection automatisée de microbilles magnétiques.
La métastase hépatique colorectale (MHCR) est l’une des tumeurs malignes du foie les plus agressives; le cancer colorectal (CC) étant le deuxième cancer le plus fréquent, avec une estimation de 1,36 millions de cas par an. En raison de la difficulté à détecter les CC tôt dans leurs développements, il y a une très forte probabilité que la MHCR se développe chez près de la moitié de ces patients.
La pratique actuelle consistant à traiter un grand nombre de patients atteints de MHCR résulte de l'incapacité du radiologue à prédire avec précision la réponse à la chimiothérapie, bien que seule une fraction en bénéficiera et qu'une fraction significative subira des toxicités liées au traitement sans avantage.
Il est donc urgent de développer de nouveaux outils pour prédire la réponse des métastases hépatiques à la chimiothérapie. Le suivi de la réponse thérapeutique de la MHCR repose actuellement sur la reconnaissance des caractéristiques d'imagerie et sur l'interprétation faite par les radiologistes, avec une faible intégration des autres types de données.
Notre objectif est de développer et de valider des modèles de prédiction de résultats de traitement pour la MHCR en utilisant différentes sources de connaissances telles que la tomodensitométrie (CT), les lames d'histopathologie et les informations cliniques. Ceci aidera les oncologues à surveiller la réponse thérapeutique de la MHCR à la chimiothérapie néo-adjuvante. Nous visons plus précisément à:
1. Remédier au manque d'étiquettes pour les données de classification des tissus en utilisant une approche d'apprentissage semi-supervisée;
2. Améliorer la précision de la prédiction du résultat du traitement à partir d'images CT en utilisant un apprentissage unique, et;
3. Intégrer différentes sources d'informations médicales dans un système efficace d'apprentissage profond permettant une meilleure prédiction des résultats du traitement.
Les résultats préliminaires montrent qu'il est possible de classer les tissus à l'aide de techniques d’apprentissage profond (précision > 0,88). En outre, des résultats préliminaires encourageants concernant la réponse au traitement à partir d'images CT ont été obtenus (précision > 0,85).
L’impact économique de ce projet réside dans l’augmentation de la productivité des radiologues, des oncologues et des pathologistes grâce à l’utilisation d’outils d’intelligence artificielle. L'impact social de ce projet s’exprime en termes de stratégies de traitement des patients et de stratégies de soin, à l’échelle du système de santé.
