L'objectif de notre thèse est de contribuer à une meilleure délimitation de la forme et de l'extension de tumeurs intracrâniennes afin de pouvoir mieux les traiter par radiothérapie conformationnelle. Plusieurs approches ont été utilisées. Par une étude anatomo-pathologique autopsique, nous avons pu démontrer que les métastases cérébrales de plusieurs types de tumeurs s'étendent au moins 1 mm au-delà de leur bord macroscopiquement visible. Les métastases de tumeurs pulmonaires à petites cellules sont celles pour lesquelles nous observons la plus grande extension. En utilisant des techniques de spectroscopie et de l'imagerie par RMN, nous avons observé que des discordances existent dans 47% des voxels examinés. Le plus souvent, l'image apparaît pathologique en RMN et normale en spectroscopie, peut-être en raison d'un oedème périlésionnel important. Une troisième approche a été l'analyse comparative de l'extension de méningiomes intracrâniens par la RMN et par une nouvelle méthode d'imagerie métabolique (PET scan à un acide aminé marqué au fluor 18). Tous les méningiomes sont bien visualisés par le PET scan. Une concordance complète entre image de RMN et de PET scan est observée dans 54% des cas, l'image est plus étendue en PET scan dans 38 % des cas et la situation inverse est observée dans 8% des cas. Enfin, nous avons validé toute la chaîne de traitement en radiochirurgie sur des neurinomes de l'acoustique. Nous obtenons des résultats cliniques comparables à ceux de grandes séries publiées. En conclusion, nos travaux montrent que l'image anatomique seule (la RMN) est insuffisante pour délimiter la plupart des tumeurs intracrâniennes et que des méthodes complémentaires (spectroscopie, imagerie dite métabolique) sont nécessaires pour la préparation au traitement par radiothérapie de précision.

Un modèle de croissance et de réponse à la radiothérapie pour le glioblastome multiforme (GBM) basé le formalisme du modèle de prolifération-invasion (PI) et du modèle linéaire-quadratique a été développé et implémenté. La géométrie spécifique au patient est considérée en modélisant, d'une part, les voies d'invasion possibles des GBM avec l'imagerie du tenseur de diffusion (DTI) et, d'autre part, les barrières à la propagation à partir des images anatomiques disponibles. La distribution de dose réelle reçue par un patient donné est appliquée telle quelle dans les simulations, en respectant l'horaire de traitement. Les paramètres libres du modèle (taux de prolifération, coefficient de diffusion, paramètres radiobiologiques) sont choisis aléatoirement à partir de distributions de valeurs plausibles. Un total de 400 ensembles de valeurs pour les paramètres libres sont ainsi choisis pour tous les patients, et une simulation de la croissance et de la réponse au traitement est effectuée pour chaque patient et chaque ensemble de paramètres. Un critère de récidive est appliqué sur les résultats de chaque simulation pour identifier un lieu probable de récidive (SPR). La superposition de tous les SPR obtenus pour un patient donné permet de définir la probabilité d'occurrence (OP). Il est démontré qu'il existe des valeurs de OP élevées pour tous les patients, impliquant que les résultats du modèle PI ne sont pas très sensibles aux valeurs des paramètres utilisés. Il est également démontré comment le formalisme développé dans cet ouvrage pourrait permettre de définir un volume cible personnalisé pour les traitements de radiothérapie du GBM. / We have developed and implemented a model of growth and response to radiotherapy for glioblastoma multiforme (GBM) based on the proliferation-invasion (PI) formalism and linear-quadratic model. We take into account patient-specific geometry to model the possible invasion pathways of GBM with diffusion tensor imaging (DTI) and the barriers to dispersal from anatomical images available. The actual dose distribution received by a given patient is applied as such in the simulation, respecting the treatment schedule. The free parameters in the model (proliferation rate, diffusion coefficient, radiobiological parameters) are randomly chosen from a distribution of plausible values. A total of 400 sets of values for the free parameters are thus chosen for all patients, and a simulation of the growth and the response to treatment is performed for each patient and each set of parameters. A failure criterion is applied to the results of each simulation to identify a site of potential recurrence (SPR). The superposition of all SPR obtained for a given patient defines the occurrence probability (OP). We show that high OP values exist for all patients and conclude that the PI model results are not very sensitive to the values of the parameters used. Finally, we show how the formalism developed in this work could help to define a custom target volume for radiation treatment of GBM.