23/05/2020
Therapanacea a une expertise dans le domaine de l’intelligence artificielle (IA) et du deep learning. ART-Plan est un logiciel utilisant un réseau de neurones à convolution, permettant une auto-segmentation rapide et cohérente des volumes cibles à traiter (CTV) et des organes à risque (OAR). L’intelligence artificielle (IA) identifie des modèles d’intensité cohérents de CTV et des OAR à partir d’images de tomodensitométrie de centres experts. Après la phase d’apprentissage, Annotate peut segmenter l’OAR et le CTV sur n’importe quelle image scanner.
ART-Plan a amélioré notre processus de planification du traitement en termes de gain de temps ainsi que de standardisation de la segmentation des volumes à traiter.
Introduction – Contexte et installation
- Nous utilisons la solution ART-Plan en mode batch depuis début 2019 maintenant pour tous nos patients et tous les médecins en sont très satisfaits.
- Grâce au mode batch offert par la solution, nous avons pu continuer à utiliser nos outils précédents, tandis que les contours automatiques sont envoyés directement du scanner à notre TPS (système de planification de traitement), où nous examinons et validons les volumes.
- Cela signifie un changement d’habitudes minime pour l’équipe, pas de temps de formation et pas de temps d’adaptation pour installer ce logiciel dans la clinique.
- Dans le lien de la vidéo ci dessous vous pouvez voir cinq cas de cancer traités dans notre centre pour lesquels nous avons utilisé l’outil Annotate pour délimiter automatiquement les organes à risque ainsi que les volumes cliniques cibles.
Cas 1
- Le patient présente un cancer de la prostate à pronostic intermédiaire pour lequel une radiothérapie était indiquée en plus d’une hormonothérapie courte sur 6 mois.
- Ce cas illustre les organes à risque de l’anatomie pelvienne, les volumes cibles cliniques (prostate et vésicules séminales) et les zones des ganglions lymphatiques pelviens.
Cas 2
- Le patient numéro deux, présente un cancer du sein droit, pour lequel une radiothérapie adjuvante est proposée.
- Ce cas illustre les volumes cibles du sein sein et les zones ganglionnaires axillaires, sus et sous claviculaires ainsi que de la chaîne mammaire interne et des organes à risque comme l’œsophage, les poumons, le plexus brachial
- Cas : Un autre cas de cancer du sein avec une anatomie complexe : pectus excavatum, le logiciel d’IA a fait les volumes sans difficultés.
Cas 3
- Patient présentant un cancer du côlon MSI+, traité par immunothérapie, nivolumab, oligométastatique pulmonaire et ganglion lymphatique métastatique (hile hépatique)
- Indication d’une radiothérapie stéréotaxique sur les lésions métastatiques fixées au 18 FDG sur le scanner TEP
- Les images Illustrent les organes à risque dans le thorax et l’abdomen ; les poumons ; le cœur ; l’œsophage ; la moelle épinière, le canal médullaire, la trachée.
Cas 4
- Patient présentant une métastase osseuse de la colonne cervicale du cancer du sein
- Indication d’une radiothérapie palliative de la colonne vertebrale cervicale
- Illustre les organes à risque du système nerveux central ainsi que les organes à risque de la tête et du cou et des ganglions cervicaux (avec les différents niveaux)
- Comme vous pouvez le voir, l’image présente beaucoup d’artefacts mais l’autosegmentation reste précise. Annotate n’est pas sensible à la présence d’artefacts sur l’image.
L’IA permet d’aider les médecins à avoir des contours précis d’organe à risque et des aires ganglionnaires lymphatiques
- La grande majorité des organes à risque et la délimitation des ganglions lymphatiques peuvent être utilisés pour le traitement sans modification/ajustement, ce qui nous fait gagner du temps dans le processus de planification du traitement. Il nous suffit de sélectionner les volumes pertinents pour la planification du traitement.
- ART-Plan offre une standardisation/harmonisation des pratiques : les contours sont homogènes entre les patients et les médecins et aucune structurene peut être oubliée. Elles sont toutes étiquetées de la même manière pour tous les patients.
- Avec l’aide d’Annotate, nous avons pu réduire considérablement la variabilité inter- et intra-observateurs dans notre centre.
- En offrant une auto segmentation complète en moins de 2 minutes, IA nous a permis de gagner environ 20 à 45 minutes (plus de 70% de temps) de temps de délimitation par patient, selon la localisation.
- Ce gain de temps nous permet également de faire face en douceur à toute augmentation soudaine du nombre de patient.
- La prise en charge des nouveaux patients a été considérablement accélérée, même en cas d’afflux important de patients, les étapes de préparation des traitements sont respectés sans difficulté.
Ce que nous avons observé dans notre routine quotidienne reflète la littérature sur le sujet
- Tim Lustberg, en 2017, a publié dans le journal européen d’oncologie radiotherapie, une étude comparant les résultats de la segmentation manuelle à ceux de l’auto segmentation basée sur des atlas de contourgae et des méthodes d’apprentissage approfondi par IA sur 20 CT de cancer du poumon.
La méthode d’apprentissage IA a été plus performante que celle basée sur l’atlas pour certains organes à risque comme l’œsophage ou le poumon. Si les volumes étaient faits manuellement par le médein, le gain de temps médian est de 79 % (20 minutes contre 8 minutes) a été observé. - Kuo Men et al. et Ibragimov et al. ont publié deux articles dans la revue physique médicale avec des résultats similaires à ceux de Lutsberg et al. plus de 60 CT de cancer du rectum et 50 CT de cancer de la tête et du cou respectivement.
Ces données suggèrent que l’IA peut être utilisée pour segmenter les volumes cibles à traiter et les organes avoisinants de manière précise et efficace et qu’elle était invariable en fonction de la taille, de la forme et de l’âge des patients.
- Je pense que ce n’est que la première étape de l’automatisation de la chaîne de traitement et que, compte tenu des possibilités offertes par les étapes de segmentation, l’IA peut en fait contribuer à automatiser intelligemment l’ensemble de la chaîne de traitement de radiothérapie et nous permettre, au médecin et physiciens, de développer de nouvelles méthodes pour mieux traiter les patients.
- La planification de la radiothérapie est un processus complexe qui implique l’utilisation d’une optimisation informatique pour atteindre des objectifs dosimétriques spécifiques (dose calculée proche de la dose prescrite tout en respectant les doses aux organes à risque). Le processus est actuellement laborieux et long et implique également un certain degré de “succès et d’essai” Dans un avenir proche, Therapanacea utilisera l’intelligence artificielle pour obtenir un processus de planification des rayons X plus optimisé et plus rapide et pour améliorer les positions des faisceaux afin d’obtenir une couverture de dose optimale du volume tumoral ou métastatique à traiter et d’épargner les tissus normaux.
