Thèse Jumeau Numérique Temps Réel par Fusion d'Image Multimodale pour le Suivi Tumoral en Radiothérapie H/F - Doctorat.Gouv.Fr

Établissement : Université de Bretagne Occidentale École doctorale : École doctorale Sciences de la vie et de la santé Laboratoire de recherche : Laboratoire de traitement de l'information médicale Direction de la thèse : Julien BERT ORCID 0000-0002-2756-942X Date limite de candidature : 2026-05-22T00:00:00 La radiothérapie est très efficace contre de nombreux cancers, mais fait face au problème que le patient bouge . Dans le cancer du poumon, la respiration fait bouger les tumeurs pulmonaires ; en ORL, avaler ou parler crée des mouvements internes, des mouvements en plus des mouvements involontaires externes. Pour éviter de rater la cible, on ajoute des marges de sécurité autour de la tumeur ou on interrompt de manière excessive le faisceau de traitement. Aujourd'hui, on utilise des images ou la surface du patient pour surveiller la séance, mais ces informations restent partielles et souvent séparées. Notre projet veut créer un patient virtuel qui, seconde après seconde, reconstitue l'intérieur du corps à partir de ce que la salle de traitement voit déjà (surface, rayons X, CBCT scanner rapide de positionnement type dentiste), grâce à l'IA. L'objectif est double : mieux viser la tumeur (donc potentiellement traiter plus efficacement) ; mieux préciser les interruptions potentielles de faisceau dues aux mouvements mieux protéger les organes sains (donc réduire les effets secondaires). En ORL, notre projet vise aussi une avancée très concrète : permettre des traitements sans masque facial rigide très contraignants pour le patient quand la précision est démontrée, pour réduire la détresse et améliorer l'expérience patient. Nos activités dans ce domaine s'appuient d'abord sur un réseau de collaborations locales, en particulier entre le LaTIM (INSERM, UBO, IMTA) et l'Institut d'Imagerie et de Cancérologie (ICI) du CHRU de Brest. Nous menons des travaux en interaction directe avec le Dr Vincent Bourbonne et le Pr Ulrike Schick, radiothérapeutes au CHRU, dont l'expertise, l'accès aux équipements d'irradiation et aux données cliniques constitue un soutien déterminant pour nos recherches. Sur le plan national, nous travaillons également avec l'équipe du Dr Antoine Simon et Pr Oscar Acosta au Centre Eugène Marquis (Rennes) ainsi qu'avec le Dr Charlotte Robert à Gustave Roussy (Paris), premier centre européen de lutte contre le cancer, autour des problématiques de traitement et de fusion d'images en radiothérapie. À l'échelle internationale, nos échanges incluent le Pr Issam El Naqa du Moffitt Cancer Center (Floride, USA) et le Pr George Kagadis de l'Université de Patras (Grèce). Nous entretenons par ailleurs des liens avec plusieurs industriels du secteur, notamment les fabricants des systèmes d'imagerie embarquée (Brainlab) et de solutions de traitement (VARIAN - SIEMENS). L'ensemble de ces partenariats constitue un levier essentiel pour favoriser le transfert de nos développements méthodologiques vers des applications industrielles et ouvrir de nouvelles perspectives pour l'évolution de la radiothérapie. L'ambition de cette thèse est de transformer les flux de données brutes des salles de traitement en un levier d'action clinique immédiat via trois objectifs structurants : Synthèse volumique haute fréquence (pseudo-CT temps réel).
Développer un moteur de reconstruction capable de générer des pseudo-CT 3D à partir des flux kV et CBCT , avec une latence compatible avec le temps réel, en s'appuyant sur le scanner de planification comme contrainte structurelle et sur des méthodes rapides de reconstruction volumique. Estimation/prediction du mouvement avec incertitude apprise.
Mettre en oeuvre des modèles génératifs (diffusion) capables de corréler les signaux de surface (externes) et les déformations internes, en produisant des champs de mouvement et des cartes de confiance (incertitude épistémique vs incohérence multimodale) propagées vers la décision clinique. Validation clinique d'impact (poumon & ORL). Poumon : démontrer une réduction des marges PTV à couverture équivalente, et quantifier l'épargne des OAR par dosimétrie. ORL : valider la précision de suivi pour rendre possibles des traitements maskless et améliorer la tolérance patient.