Intelligence artificielle en radiothérapie : radiomique, pathomique, et prédiction de la survie et de la réponse aux traitements

Les approches d’intelligence artificielle en médecine sont de plus en plus utilisées et sont extrêmement prometteuses de par le nombre croissant et la variété des données qu’elles permettent d’exploiter. Ainsi, l’analyse informatique des imageries médicales en particulier, radiologiques (radiomique), ou anatomopathologiques (pathomique), a montré de nombreux résultats très intéressants pourl'évaluation du pronostic et de la réponse chez des patients atteints de cancer. La radiothérapie est une discipline qui bénéficie particulièrement de ces nouvelles approches basées sur l’informatique et l’imagerie. Cette revue présente les grands principes d’une approche d’intelligence artificielle et en particulier d’apprentissage automatique (« machine learning »), les principes généraux d’une approche radiomique et pathomique et le potentiel de leur utilisation pour l’évaluation du pronostic chez des patients traités par irradiation. Artificial intelligence approaches in medicine are more and more used and are extremely promising due to the growing number of data produced and the variety of data they allow to exploit. Thus, the computational analysis of medical images in particular, radiological (radiomics), or anatomopathological (pathomics), has shown many very interesting results for the prediction of the prognosis and the response of cancer patients. Radiotherapy is a discipline that particularly benefits from these new approaches based on computer science and imaging. This review will present the main principles of an artificial intelligence approach and in particular machine learning, the principles of a radiomic and pathomic approach and the potential of their use for the prediction of the prognosis of patients treated with radiotherapy.