La radiothérapie est un traitement efficace du cancer localisé de la prostate, mais exposé aux risques d‘effets secondaires urinaires et digestifs. Les facteurs de risque de toxicité restent incomplètement élucidés. Ils reposent actuellement sur des paramètres : cliniques (co-morbidités du patient), dosimétriques (volume et dose de rectum et de vessie irradiés) et une hypersensibilité individuelle. Certains patients vont ainsi présenter des complications après une dose relativement faible et d’autre peuvent être indemnes malgré une dose très élevée. Certains modèles mathématiques, basés sur l’analyse de la distribution de dose (tels que Normal Tissue Complication Probability (NTCP)) montrent récemment leur pertinence, mais ne sont pas associés à des données biologiques de radiosensibilité.
Les techniques modernes d’irradiation utilisant la modulation d’intensité (IMRT), combinée à une imagerie interventionelle embarquée (CBCT), sont par ailleurs performantes, mais reposent sur un choix de contraintes « dose-volume » dans les organes à risque de toxicité. Ces contraintes sont cependant peu nombreuses du fait d’un manque de données concernant la relation dose-volume et toxicité, réduisant les possibilités d’optimisation. Ainsi, il n'existe pas encore de réel consensus sur les modèles prédictifs de toxicité ou de réponse thérapeutique après radiothérapie prostatique (Fiorino. et al., 2009) (Witte. et al., 2010).
Actuellement, cette prédiction repose sur des modèles de toxicité qui se basent principalement sur les Histogrammes Dose-Volume (HDV). Un HDV normalisé représente le pourcentage de volume d’une structure recevant au minimum une certaine quantité de dose, ramenant alors la distribution tridimensionnelle de la dose à une représentation 2D et éliminant ainsi toute l’information spatiale de la distribution de dose. Par ailleurs, les actuels modèles ne considèrent pas explicitement les informations spécifiques aux patients, telles que son histoire clinique, ou des traitements concomitants.
Notre travail implique la mise en oeuvre de solutions originales permettant l'élaboration de modèles statistiques de prédiction de toxicité à partir d'analyses multi -variées, et multi-échelle (depuis les relations dose-volume organe jusqu'au niveau du voxel), afin d'adapter les paramètres thérapeutiques sur une base individuelle. Ainsi, les développements portent principalement sur:
- L'optimisation des modèles de prédiction de toxicité classiques (NTCP).
- La conception de nouveaux modèles non-paramétriques de prédiction (2D) en incluant des variables cliniques (Random Forest).
- La caractérisation spatiale de la dose 3D au niveau du voxel.
- L'Intégration des données multimodales IRM, PET et des variables cliniques dans les modèles de prédiction.
L'optimisation des modèles de prédiction de toxicité classiques (NTCP).
La conception de nouveaux modèles non-paramétriques de prédiction (2D) en incluant des variables cliniques (Random Forest).
La caractérisation spatiale de la dose 3D au niveau du voxel.
Les analyses reposant sur les histogrammes dose volume (DVH) n'utilisent pas la riche l'information de la distribution tridimensionnelle de la dose. Nous nous intéressons ici à l'élaboration de modèles 3D qui mettent en évidence des relations spatiales de la dose avec les événements de toxicité. Afin de localiser de manière plus précise des zones à risques dans chaque organe, il est n´nécessaire de comparer les matrices de dose 3D entre les individus. Pour ce faire, les images des organes et les matrices de dose planifiées doivent être préalablement recalées dans un même espace commun de référence. Dans une perspective d’analyse statistique fine de la distribution de la dose, des méthodes de recalage relatives à la superposition des organes sont développées :
- Dose Mapping
Nous avons mis au point une méthode de recalage utilisant toutes les données anatomiques de planification (DFM) : les images de tomodensitométrie ainsi que les segmentations des organes (prostate, vessie, rectum) : chacune de ces quatre images sera recalée indépendamment les unes des autres et la transformation globale finale sera alors obtenue en fusionnant les quatre transformations calculées , fusion pondérée par la distance des voxels aux organes. Une fois déterminée, cette transformation peut ensuite être appliquée aux images de dose pour les propager dans l’espace de référence
- Analyse 3D de la dose
L'Intégration des données multimodales IRM, PET et des variables cliniques dans les modèles de prédiction.