L’Institut néerlandais contre le cancer (NKI) est à la pointe de la recherche et du traitement contre le cancer depuis 1913. Composé d’un centre de recherche de renommée internationale et d’une clinique dédiée au cancer, NKI met des idées novatrices en pratique pour le bénéfice des patients.
Récemment, NKI a commencé à mener des recherches pour voir si des modèles d’IA entraînés, fonctionnant sur des serveurs grand public virtualisés, pourraient fournir les performances nécessaires pour permettre un ciblage tumoral plus précis et réduire l'exposition aux rayonnements à l’aide de la tomographie volumétrique à faisceau conique (TVFC). La solution, rendue possible par la suite logicielle NVIDIA AI Enterprise, promet de rendre les traitements contre le cancer plus efficaces pour plus de personnes.
À mesure que l’imagerie médicale progresse, les besoins en capacités de calcul, de bande passante et de stockage augmentent également. Cela s'applique particulièrement au traitement du cancer, qui repose sur l’imagerie corporelle avec TVFC pour planifier avec précision les radiothérapies ciblées.
Contrairement aux tomodensitogrammes de meilleure qualité, la TVFC utilise un tube à rayons X et un grand panneau de détection plat qui tourne autour du patient en collectant des données avec un faisceau de rayons X conique au lieu des "tranches" pour lesquelles les tomodensitomètres sont connus. Les données reçues de ces systèmes sont utilisées pour reconstruire des images 3D dans différentes spécialités, notamment thoracique, dentaire, orale/maxillofaciale (bouche, machoire et cou), et oto-rhino-laryngologique (oreilles, nez et gorge). La TVFC est essentielle en radiothérapie, où une TVFC quotidienne est utilisée pour adapter le plan de traitement à l'anatomie actuelle du patient, qui peut changer en raison d'une perte de poids ou après avoir mangé un gros repas avant le traitement.
Plus les images de la TVFC sont précises, plus il est facile pour les cliniciens de localiser les petites tumeurs lors de la radiothérapie et de fournir des traitements mieux ciblés. Une reconstruction TVFC précise simplifie la planification du traitement, réduisant potentiellement la nécessité d'un tomodensitogramme de planification préalable.
Les images de la TVFC sont calculées à l'aide d'un algorithme de reconstruction qui utilise les données de projection recueillies sur le scanner. La reconstruction des images de la TVFC, cependant, est plus compliquée que la reconstruction tomodensitométrique, d'autant plus que la qualité de l'image obtenue par les méthodes de reconstruction classiques est médiocre.
Les méthodes de reconstruction par apprentissage automatique ont récemment éveillé beaucoup d'intérêt de la part de la communauté de l'imagerie médicale, pour des modalités comme la tomodensitométrie et l'imagerie par résonance magnétique (IRM), mais les applications à la TVFC restent très limitées. L'entraînement des modèles de reconstruction de volumes 3D directement depuis des données de projection à une résolution et au nombre de projections cliniquement appropriés est une tâche gourmande en mémoire, car un unique volume de TVFC à une résolution de 1 mm occupe déjà 1 Go de mémoire en tenant compte des informations sur les gradients.