Extraction et analyse de biomarqueurs issus des imageries TEP et IRM pour l'amélioration de la planification de traitement en radiothérapie

Extraction and analysis of biomarkers derived from PET and MR imaging for improved treatment planning in radiotherapy

• Auteur / Autrice : Sylvain Reuzé
• Direction : Eric Deutsch
• Type : Thèse de doctorat
• Discipline(s) : Recherche clinique, innovation technologique, santé publique
• Date : Soutenance le 11/10/2018
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Cancérologie : biologie-médecine-santé (Villejuif, Val-de-Marne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Radiothérapie moléculaire et innovation thérapeutique (Villejuif, Val-de-Marne ; 2011-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris-Sud (1970-2019)
• Jury : Président / Présidente : Irène Buvat
• Jury : Examinateurs / Examinatrices : Eric Deutsch, Irène Buvat, Isabelle Gardin, Philippe Maingon, Charlotte Robert, Pierre-Yves Salaün, Erwann Rault, Arnaud Dieudonné
• Jury : Rapporteurs / Rapporteuses : Isabelle Gardin, Philippe Maingon

Mots clés

Mots clés contrôlés

Radiothérapie guidée par l'image

Imagerie multimodale

Marqueurs biologiques

Imagerie médicale

Cancer -- Radiothérapie

Mots clés libres

Hétérogénéité biologique

TEP

IRM

Radiomique

Radiothérapie

Planification de traitement

Biological heterogeneity

PET

MRI

Radiomics

Radiotherapy

Treatment planning

Résumé

Au-delà des techniques conventionnelles de diagnostic et de suivi du cancer, l’analyse radiomique a pour objectif de permettre une médecine plus personnalisée dans le domaine de la radiothérapie, en proposant une caractérisation non invasive de l’hétérogénéité tumorale. Basée sur l’extraction de paramètres quantitatifs avancés (histogrammes des intensités, texture, forme) issus de l’imagerie multimodale, cette technique a notamment prouvé son intérêt pour définir des signatures prédictives de la réponse aux traitements. Dans le cadre de cette thèse, des signatures de la récidive des cancers du col utérin ont notamment été développées, à partir de l’analyse radiomique seule ou en combinaison avec des biomarqueurs conventionnels, apportant des perspectives majeures dans la stratification des patients pouvant aboutir à une adaptation spécifique de la dosimétrie.En parallèle de ces études cliniques, différentes barrières méthodologiques ont été soulevées, notamment liées à la grande variabilité des protocoles et technologies d’acquisition des images, qui entraîne un biais majeur dans les études radiomiques multicentriques. Ces biais ont été évalués grâce à des images de fantômes et des images multicentriques de patients pour l’imagerie TEP, et deux méthodes de correction de l’effet de stratification ont été proposées. En IRM, une méthode de standardisation des images par harmonisation des histogrammes a été évaluée dans les tumeurs cérébrales.Pour aller plus loin dans la caractérisation de l’hétérogénéité intra-tumorale et permettre la mise en œuvre d’une radiothérapie personnalisée, une méthode d’analyse locale de la texture a été développée. Adaptée particulièrement aux images IRM de tumeurs cérébrales, ses capacités à différencier des sous-régions de radionécrose ou de récidive tumorale ont été évaluées. Dans ce but, les cartes paramétriques d’hétérogénéité ont été proposées à des experts comme des séquences IRM additionnelles.À l’issue de ce travail, une validation dans des centres extérieurs des modèles développés, ainsi que la mise en place d’essais cliniques intégrant ces méthodes pour personnaliser les traitements seront des étapes majeures dans l’intégration de l’analyse radiomique en routine clinique.

Beyond the conventional techniques of diagnosis and follow-up of cancer, radiomic analysis allows to personalize radiotherapy treatments, by proposing a non-invasive characterization of tumor heterogeneity. Based on the extraction of advanced quantitative parameters (histograms of intensities, texture, shape) from multimodal imaging, this technique has notably proved its interest in determining predictive signatures of treatment response. During this thesis, signatures of cervical cancer recurrence have been developed, based on radiomic analysis alone or in combination with conventional biomarkers, providing major perspectives in the stratification of patients that can lead to dosimetric treatment plan adaptation.However, various methodological barriers were raised, notably related to the great variability of the protocols and technologies of image acquisition, which leads to major biases in multicentric radiomic studies. These biases were assessed using phantom acquisitions and multicenter patient images for PET imaging, and two methods enabling a correction of the stratification effect were proposed. In MRI, a method of standardization of images by harmonization of histograms has been evaluated in brain tumors.To go further in the characterization of intra-tumor heterogeneity and to allow the implementation of a personalized radiotherapy, a method for local texture analysis has been developed. Specifically adapted to brain MRI, its ability to differentiate sub-regions of radionecrosis or tumor recurrence was evaluated. For this purpose, parametric heterogeneity maps have been proposed to experts as additional MRI sequences.In the future, validation of the predictive models in external centers, as well as the establishment of clinical trials integrating these methods to personalize radiotherapy treatments, will be mandatory steps for the integration of radiomic in the clinical routine.