Deep learning-assisted target volume segmentation for uterine malignancies on non-contrast CT

Dans le monde complexe du traitement du cancer, la radiothérapie agit comme un faisceau d'énergie précis conçu pour détruire les tumeurs tout en épargnant les organes sains environnants. Pour rendre cela possible, les médecins doivent d'abord dessiner une carte détaillée sur le scanner d'un patient, en délimitant exactement où se trouve le cancer et jusqu'où la radiation doit s'étendre. Cette carte, connue sous le nom de volume cible, est le fondement de l'ensemble du plan de traitement. Si la carte est trop petite, le cancer pourrait survivre ; si elle est trop grande, les tissus sains pourraient être endommagés. Pendant des décennies, la création de ces cartes a été une tâche manuelle et lente où un spécialiste traçait soigneusement les contours sur un écran d'ordinateur, un processus qui varie d'une personne à l'autre et peut prendre plus d'une heure pour un seul patient. Le défi est particulièrement difficile pour les cancers de l'utérus, du col de l'utérus et de l'endomètre, car les tissus mous du pelvis ont souvent un aspect très similaire sur les scanners standards, ce qui rend les bords de la tumeur difficiles à voir clairement.

Des chercheurs de l'hôpital du cancer de Ganzhou, en Chine, ont cherché à voir si l'intelligence artificielle pouvait aider à accélérer ce processus sans perdre en précision. Ils se sont concentrés sur un type spécifique de scanner appelé tomographie par ordinateur sans injection de produit de contraste, ou NCCT, qui est l'outil d'imagerie standard utilisé pour la planification mais qui manque du niveau de détail de contraste d'autres méthodes d'imagerie comme l'imagerie par résonance magnétique. L'équipe a entraîné un système informatique pour qu'il examine ces scanners et dessine automatiquement les contours des zones cibles. Ils n'ont pas simplement demandé à l'ordinateur de deviner ; ils ont construit un système qui a appris de centaines de cas précédents où des médecins experts avaient déjà dessiné les cartes à la main. L'objectif était de créer un outil capable de fournir un premier jet de la carte, qu'un médecin pourrait ensuite vérifier et ajuster rapidement, plutôt que de partir d'un écran vide à chaque fois.

L'étude a porté sur 157 patients atteints de cancers de l'utérus, répartis en différents groupes pour tester le système de manière équitable. L'ordinateur a été entraîné sur un large groupe de patients, puis testé sur un groupe distinct qu'il n'avait jamais vu auparavant afin de s'assurer qu'il puisse gérer de nouveaux cas. Les résultats ont montré que l'intelligence artificielle était remarquablement douée pour dessiner la limite extérieure de la zone de traitement, appelée volume cible de planification. En moyenne, le dessin de l'ordinateur se superposait aux dessins des médecins experts de plus de 90 pour cent. Cette limite extérieure est une marge de sécurité ajoutée autour de la tumeur réelle pour garantir que la radiation atteigne la cible même si le patient bouge légèrement. Cependant, le système était moins parfait lorsqu'il s'agissait de la limite intérieure, qui marque l'endroit exact du volume cible clinique où la maladie est connue pour exister. Pour cette zone intérieure, la superposition était d'environ 72 pour cent. Cette différence est significative car la limite intérieure est beaucoup plus difficile à définir sur un scanner standard, car la tumeur se fond dans les tissus sains environnants.

Pour comprendre si ces cartes générées par ordinateur étaient réellement utiles dans une clinique réelle, trois radiothérapeutes expérimentés ont examiné les résultats de manière indépendante. Ils ont évalué la qualité du travail de l'ordinateur sur une échelle simple. Pour la marge de sécurité extérieure, les médecins ont jugé le travail de l'ordinateur cliniquement acceptable dans plus de 91 pour cent des cas, ce qui signifie qu'il était prêt à l'emploi avec seulement des ajustements mineurs. Pour la limite tumorale intérieure, le taux d'acceptation était plus bas, environ 75 pour cent, les cas restants nécessitant des changements plus substantiels. Les médecins ont noté que l'ordinateur peinait parfois au sommet et à la base de la zone cible ou là où l'utérus rejoint le rectum, des zones où le contraste tissulaire est naturellement faible. Malgré ces imperfections, le système n'a produit aucune carte totalement inutilisable. Le point clé était que l'ordinateur pouvait fournir un point de départ solide, mais qu'un médecin humain devait toujours examiner et affiner soigneusement les limites intérieures.

L'impact le plus spectaculaire de cette technologie a été observé dans le temps nécessaire pour accomplir le travail. Dans un test distinct impliquant 20 patients, un seul médecin a comparé le temps nécessaire pour dessiner les cartes à la main par rapport à l'utilisation du brouillon de l'ordinateur. En dessinant à partir de zéro, le processus prenait en moyenne 65 minutes par patient. En utilisant l'ordinateur pour générer le contour initial, que le médecin a ensuite édité, le temps est tombé à seulement 14 minutes. Cela représentait une réduction de près de 80 pour cent du temps requis pour cette étape critique. Les auteurs de l'étude ont pris soin de noter qu'il s'agissait d'un test réalisé dans un seul centre et que le système n'avait pas encore prouvé qu'il fonctionnait parfaitement pour chaque type de patient ou dans chaque hôpital. Ils ont souligné que, bien que l'ordinateur fasse gagner un temps considérable, il ne remplace pas l'expertise du médecin. Le système est à voir comme un assistant puissant qui s'occupe du travail de dessin fastidieux, permettant à l'équipe médicale de concentrer son énergie sur les décisions finales et cruciales qui garantissent que le traitement est à la fois sûr et efficace.