Segmentation fonctionnelle spatialisée de données SPECT dynamiques pour la caractérisation de l'hétérogénéité tumorale

L'imagerie Single Photon Emission Computed Tomography (SPECT) constitue un outil majeur en médecine nucléaire pour suivre la distribution spatio-temporelle des radiotraceurs au sein de l'organisme. En oncologie, ces données donnent accès à des processus fonctionnels tels que la perfusion, la fixation spécifique ou la clairance du traceur. Chaque voxel d'une acquisition dynamique est associé à une courbe temps-activité (TAC) reflétant des propriétés locales du tissu. Malgré ce potentiel, l'analyse des données SPECT dynamiques reste largement dominée par des approches par régions d'intérêt (ROI) basées sur des segmentations anatomiques ou fonctionnelles préalables. Bien que robustes, ces méthodes ne permettent pas de décrire l'hétérogénéité intra-tumorale, aujourd'hui reconnue comme un facteur majeur influençant la réponse aux traitements et la planification thérapeutique. Les approches voxel par voxel ont été proposées comme alternative, mais leur utilisation demeure limitée en raison du faible nombre de points temporels, du bruit de comptage élevé et de la faible résolution spatiale des données SPECT dynamiques. Ces contraintes rendent difficile l'estimation de modèles complexes à l'échelle du voxel et conduisent souvent à des résultats instables ou peu interprétables. Dans ce contexte, ce projet de thèse vise à développer un cadre méthodologique robuste permettant d'exploiter conjointement les dimensions temporelle et spatiale des données SPECT dynamiques. L'objectif n'est pas d'attribuer directement une nature tissulaire aux voxels, mais d'identifier des régions fonctionnelles homogènes définies par la similarité des cinétiques du traceur. Ces structures seront ensuite analysées en lien avec les données cliniques afin d'évaluer leur pertinence pour la caractérisation de l'hétérogénéité tumorale. L'approche proposée repose sur une stratégie progressive conciliant ambition méthodologique et faisabilité. Dans un premier temps, le projet se concentrera sur la représentation des TAC voxelisées. En raison du nombre limité de points temporels, l'utilisation directe de modèles pharmacocinétiques complets peut poser des problèmes d'identifiabilité. Différentes représentations adaptées seront donc explorées, allant de modèles pharmacocinétiques simplifiés à des descripteurs fonctionnels plus robustes, tels que des indicateurs intégratifs ou des bases de fonctions contraintes. Ces approches seront comparées sur données simulées et réelles afin d'identifier celles offrant le meilleur compromis entre richesse descriptive et robustesse au bruit. Une seconde étape portera sur le développement de méthodes de segmentation fonctionnelle intégrant explicitement l'information spatiale. L'hypothèse est que des voxels voisins partagent fréquemment des propriétés fonctionnelles similaires, ce qui peut contribuer à stabiliser les estimations. Plusieurs stratégies seront étudiées, incluant des approches de clustering associées à des mécanismes de régularisation spatiale. Des modèles de type Markov Random Field pourront notamment être explorés. Différentes formulations seront comparées afin d'évaluer l'apport réel des contraintes spatiales et leur sensibilité aux paramètres de régularisation. Les méthodes développées seront ensuite évaluées à partir de données simulées et de données cliniques issues d'acquisitions SPECT au 177Lu fournies par les centres partenaires. L'évaluation reposera sur des critères tels que la robustesse au bruit, la reproductibilité des segmentations, leur cohérence spatiale et leur capacité à discriminer des régions d'intérêt cliniquement définies. Au-delà de ses contributions méthodologiques, ce projet vise à améliorer la caractérisation de l'hétérogénéité fonctionnelle des tumeurs en imagerie SPECT et pourrait contribuer au développement de l'imagerie quantitative et de stratégies personnalisées de dosimétrie en radiothérapie interne vectorisée. École doctorale : BSB - Biologie, Santé, Biotechnologies Direction : Peggy GANDIA Financement : Concours de l'École Doctorale