TheraPanacea : des mathématiques au service de la radiothérapie

Comment est née l'idée d'appliquer vos recherches au monde médical, puis de co-créer TheraPanacea en 2017 ?

Image

J'ai toujours été convaincu que la recherche fondamentale n'atteint sa pleine valeur que lorsqu'elle se confronte à des problèmes réels. À CentraleSupélec, au sein du Centre de Vision Numérique, et avec l'équipe GALEN d'Inria Paris-Saclay, nous avons consacré près de quinze ans à développer des méthodes mathématiques pour l'analyse d'images médicales. 

Au milieu des années 2010, après des années de recherche académique fructueuses, une question s'est imposée : pourquoi ces résultats restaient-ils confinés aux publications ? Avec le soutien de l'Université Paris-Saclay, nous avons évalué plusieurs domaines d'application — diagnostic, radiothérapie, chirurgie robotique. La radiothérapie s'est imposée, à la fois par la maturité du besoin et par l'adéquation avec nos compétences. Mon expérience personnelle — plusieurs membres de ma famille ont été traités par radiothérapie — a ancré cette décision dans quelque chose de plus profond qu'un calcul stratégique. TheraPanacea est née en 2017 de cette convergence entre capacité scientifique et urgence clinique.

À quel besoin médical cherchiez-vous initialement à répondre et comment vos technologies interviennent-elles concrètement dans la prise en charge des patients ?

La radiothérapie utilise des rayonnements de haute énergie pour détruire les cellules tumorales en préservant les tissus sains. La préparation de chaque traitement exige de délimiter la tumeur et chaque organe à risque sur les images du patient, puis de concevoir un plan d'irradiation optimal. Ce travail est encore largement manuel. Il prend des heures. Et sa qualité varie considérablement d'un praticien à l'autre, d'un centre à l'autre. 
Notre plateforme, ART-Plan, automatise cette chaîne : segmentation anatomique, génération du plan de traitement, adaptation quotidienne à l'évolution de l'anatomie du patient. Le gain de temps est un ordre de grandeur. Mais l'essentiel est ailleurs : en encodant les meilleures pratiques cliniques dans nos algorithmes, nous garantissons un niveau de qualité constant. Un patient traité dans un hôpital régional bénéficie de la même rigueur qu'un patient dans un grand centre universitaire. C'est une question d'équité autant que de performance.

Comment avez-vous travaillé avec les médecins et les établissements de santé pour développer et faire évoluer vos solutions ?

J'utilise souvent une métaphore. Écrire un excellent article scientifique, c'est modéliser la pointe de l'iceberg. Construire un produit, c'est comprendre la partie immergée. Un produit qui réussit, c'est celui qui maîtrise les 80% que personne ne voit. En pratique, cela repose sur trois piliers. Le premier : identifier le besoin clinique réel — non pas ce qui est scientifiquement élégant, mais ce qui change la journée d'un radiothérapeute ou d'un physicien médical. Le deuxième : accéder à des données qui reflètent la vraie complexité — la diversité des pathologies, des anatomies, des protocoles. C'est là que les partenariats avec les centres hospitaliers sont déterminants. Le troisième : intégrer la solution dans le workflow existant, sans friction, sans rupture. Ironiquement, de ces trois défis, la technologie est le plus facile à résoudre.

Qu'est-ce qui change lorsque l'on passe d'une innovation de recherche à une technologie déployée à grande échelle ? Quels défis avez-vous dû relever ?

Le passage à l'échelle change la nature même du problème. En recherche, on optimise une métrique sur un jeu de données contrôlé. En production, on garantit un résultat pour chaque patient, dans chaque centre, quels que soient les équipements, les protocoles et les pratiques locales. La variabilité clinique est immense — c'est elle le vrai adversaire, pas la complexité algorithmique. Premier défi : le cadre réglementaire. Un algorithme de recherche n'est pas un dispositif médical. Certifications CE et FDA, système qualité, traçabilité, surveillance post-marché — c'est un métier en soi. Deuxième défi : l'intégration. Chaque centre a son écosystème informatique, ses équipements, ses habitudes. Un modèle performant qui perturbe le workflow sera rejeté. Il faut le rendre invisible dans la routine clinique. Troisième défi : la confiance. Un médecin n'adopte un outil que s'il peut le vérifier et le contrôler. 
Nous ne remplaçons pas le clinicien. Nous lui donnons un instrument qui le rend plus rapide et plus constant — le dernier mot lui appartient.

Qu'est-ce que ce parcours dit du rôle que peuvent jouer les ingénieurs et chercheurs de CentraleSupélec dans les transformations du monde médical ?

TheraPanacea est une démonstration : un mathématicien de CentraleSupélec peut contribuer directement à améliorer la prise en charge de patients atteints de cancer. La médecine de demain est computationnelle — modélisation, optimisation, traitement de données à grande échelle. Ce sont précisément les compétences que l'école développe. Ce qui fait souvent défaut, ce n'est pas la capacité technique — c'est l'exposition au problème clinique. Mon message aux élèves et aux chercheurs est simple : allez dans les hôpitaux, parlez aux médecins, observez leurs contraintes. Les problèmes les plus importants ne résident pas dans la complexité de la solution mathématique — ils sont au lit du patient.

En savoir plus : 

• Therapanacea
•  Ci-dessus, illustration de la radiothérapie adaptative : comparaison du plan de traitement initial avec le plan adapté aux modifications anatomiques du patient.