Cancer de la prostate: devenir plus précis

Contexte

Chaque année, en Suisse, on compte plus de 6'000 nouveaux cas de cancers de la prostate, la troisième cause de mortalité par cancer chez l’homme. Il est donc important de continuer à améliorer le diagnostic et le suivi de ces cancers, notamment par de nouvelles innovations en imagerie médicale. La Tomographie par Émission de Positrons, ou PET Scan, est la technique d’imagerie le plus fréquemment utilisée pour étudier l’activité métabolique des tissus. Cependant, les scanners PET actuellement utilisés en clinique sont plutôt conçus pour l’acquisition d’images du corps entier, avec des résolutions spatiale et temporelle peu satisfaisantes pour une détection précoce et la surveillance du cancer de la prostate.

Projet

Ce projet vise à élaborer de nouvelles approches techniques et algorithmiques permettant d’augmenter l’analyse et la résolution d’images. Il consiste à développer les marqueurs moléculaires du cancer de la prostate à des fins de visualisation par imagerie PET. Les chercheurs associés dans ce projet (cliniciens des HUG et scientifiques du CERN) comptent également améliorer le suivi du cancer de la prostate grâce à cet outil. Ils souhaitent par exemple observer l’évolution d’une radiothérapie en fonction des doses appliquées, ou encore repérer une hypoxie tumorale. Le travail comprend une évaluation comparative des détections entre l’imagerie standard, les I.R.M. et le PET scan amélioré.

où en sommes-nous ?

Janvier 2023 : Durant la deuxième année du projet, les chercheurs ont continué le développement d’un modèle de simulation sophistiqué dédié pour l’imagerie du cancer de la prostate. Ils ont également développé des algorithmes pour permettre une imagerie PET corporelle quantitative sans utiliser les images CT sur le prototype et générer des images reflétant des paramètres physiologiques présentant une pertinence clinique. Le prototype PET dédié pour l’imagerie du cancer de la prostate est désormais utilisé au sein des HUG.

Mars 2022 : Durant la première année du projet, les chercheurs ont développé un modèle de simulation utilisant la méthode de Monte Carlo afin d’optimiser la géométrie du scanner TEP dédié pour l’imagerie du cancer de la prostate. Ils ont également développé des algorithmes utilisant l’intelligence artificielle (apprentissage profond) pour permettre une imagerie PET corporelle faible dose (1/7ème de la dose reçu par le patient avec les protocoles cliniques) et une reconstruction d’images PET quantitatives sans utiliser les images CT utilisables sur le prototype. 

Chefs de projet

Professeur Habib Zaidi, Physicien en imagerie médicale, Service de radiologie, Département diagnostique, Hôpitaux universitaires de Genève & Professeur associé, Département de radiologie et informatique médicale, Faculté de médecine de l’Université de Genève

Professeur Thomas Zilli, Médecin adjoint agrégé, Service de radio-oncologie, Département d'oncologie, Hôpitaux universitaires de Genève & Professeur assistant, Département de radiologie et informatique médicale, Faculté de médecine de l’Université de Genève