Cancer du cerveau : vers une nouvelle méthode d’imagerie pour améliorer la chirurgie

Effectivement, mon master était en lien avec l’intelligence artificielle, mais avec une spécialité en santé et en diagnostic médical. Cela me paraissait intéressant d’aborder les problématiques médicales sous une autre perspective que la biologie. Pour ma thèse, je souhaitais participer au développement d’une technologie avec des applications cliniques. De plus, la chirurgie contre le cancer est particulièrement intéressante, car les problématiques sont très concrètes, et le besoin de technologies innovantes pour assister ces chirurgies est assez clair.

Quand un chirurgien opère une tumeur cérébrale, il doit enlever autant de tissus cancéreux que possible, tout en conservant le tissu sain. S’il retire ne serait-ce qu’un tout petit peu de tissu sain au mauvais endroit, le patient pourrait perdre leur capacité à parler ou bouger. Pourtant, le tissu sain et la tumeur peuvent se ressembler beaucoup visuellement. Les chirurgiens ont donc besoin d’outils précis pour leur indiquer quels tissus enlever.

L’IRM, souvent utilisée avant la chirurgie et parfois pendant, peut donner une image précise de la tumeur. Seulement, le processus pour obtenir une image IRM 3D peut prendre plus d’une heure. L’objectif de notre projet était de développer une méthode optique pour obtenir une image des faisceaux de fibres nerveuses cérébrales et des limites de la tumeur en temps réel, une image qui évolue en même temps que la chirurgie. Nous travaillons également sur l’intégration du système sur un bras robotique guidé par vision par ordinateur, afin de faciliter son utilisation pendant la chirurgie.

Notre équipe utilise l’« imagerie polarimétrique », une méthode basée sur une propriété de la lumière, notamment la polarisation, pour mettre en évidence la différence entre l’organisation des tissus cérébraux sains et celle des tissus tumoraux. Mais il reste une problématique : si l’acquisition des données n’est pas assez rapide, les légers mouvements liés à la respiration ou les battements cardiaques du patient peuvent rendre les images floues. Nous développons donc des méthodes d’apprentissage automatique et de traitement informatique afin d’accélérer l’acquisition et l’analyse des données et de nous rapprocher d’une imagerie en temps réel. Nous travaillons également sur le suivi des fibres nerveuses cérébrales.

J’apprécie particulièrement l’aspect interdisciplinaire et le défi que représente ce projet. Il implique à la fois des notions de médecine, de physique, d’ingénierie et d’intelligence artificielle. L’équipe dans laquelle je travaille est également une grande source de motivation. Nous sommes un petit groupe, et il y a vraiment ce sentiment que nous construisons quelque chose ensemble, qui pourrait avoir un impact sur les patients. C’est rare d’avoir un travail où l’on a hâte de venir tous les jours, même les lundis !

J’espère que nos recherches pourront rapidement être utilisées par des chirurgiens pour améliorer le traitement des tumeurs cérébrales. À plus long terme, les avancées réalisées sur l’imagerie polarimétrique, l’apprentissage automatique et le traitement des données en temps réel pourraient également être adaptées à d’autres applications chirurgicales et diagnostiques.