1. Le contourage, goulot d'étranglement de la radiothérapie
La planification d'une radiothérapie commence par le contourage : sur le scanner de simulation, le radiothérapeute délimite le volume à irradier et les organes à risque qu'il faut épargner (moelle épinière, glandes salivaires, cœur, poumons, rectum, vessie…). Pour une tumeur de la tête et du cou, cela peut représenter plusieurs dizaines de structures.
Ce travail est long, répétitif, et il varie d'un praticien à l'autre. Dans les centres où les radiothérapeutes et les physiciens médicaux sont peu nombreux, il devient un frein direct au nombre de patients pris en charge et au délai avant le début du traitement.
2. Comment fonctionne l'auto-contourage
Les logiciels d'auto-contourage utilisent des réseaux de neurones entraînés sur des milliers de scanners déjà contourés par des experts. En quelques secondes à quelques minutes, ils proposent l'ensemble des contours. Le médecin ne part plus d'une page blanche : il vérifie, corrige si besoin et valide.
L'auto-contourage ne supprime pas la validation médicale. Il transforme une tâche de dessin en tâche de relecture, ce qui est à la fois plus rapide et plus homogène d'un praticien à l'autre.
3. Ce que mesurent les études
Une évaluation clinique publiée en 2023 dans Medical Dosimetry a comparé le contourage manuel et la correction de contours générés par IA sur des patients traités pour des cancers de la tête et du cou et du pelvis. Résultat : un gain de temps moyen de 43,4 %, soit 11,8 minutes par patient. Sur 240 structures évaluées par un radiothérapeute, plus de 95 % ont été jugées cliniquement acceptables avec des corrections nulles ou mineures.
Une revue de 40 études consacrées à la radiothérapie pulmonaire, publiée en 2025, confirme la tendance à plus grande échelle : selon les études, l'IA réduit le temps de contourage de 35 % à 84 %. La précision est très élevée pour les organes à risque bien visibles comme les poumons et le cœur, et plus variable pour les volumes tumoraux, qui demandent davantage de relecture.
4. Les bénéfices pour un centre de radiothérapie
- Plus de capacité — le temps libéré permet de planifier davantage de patients avec la même équipe.
- Des délais plus courts — la planification cesse d'être le goulot d'étranglement entre la consultation et la première séance.
- Plus d'homogénéité — les contours de départ sont les mêmes quel que soit le praticien, ce qui réduit la variabilité.
- Une porte vers la radiothérapie adaptative — recontourer rapidement permet d'ajuster le plan quand l'anatomie du patient évolue en cours de traitement.
Les performances varient selon la localisation et selon la qualité des images. Une phase de validation locale, sur les propres patients du centre et avec ses protocoles, reste indispensable avant l'usage clinique. Les volumes tumoraux demandent toujours une relecture attentive.
5. Un enjeu fort pour la Tunisie et le Maghreb
Les centres de radiothérapie de la région font face à une demande croissante, avec des équipes spécialisées limitées et concentrées dans les grandes villes. Dans ce contexte, chaque heure de contourage gagnée se traduit en capacité de traitement supplémentaire, sans recruter.
C'est pourquoi la radiothérapie est l'un des domaines prioritaires de Zenix Healthcare. Avec notre partenaire TheraPanacea, spécialiste de l'IA en radiothérapie, nous accompagnons les centres de l'évaluation sur leurs propres cas jusqu'à l'intégration dans leur système de planification.
6. Comment démarrer
- Mesurer le temps actuel — relever le temps de contourage par localisation (sein, prostate, tête et cou, poumon).
- Tester sur vos cas — comparer les contours IA à ceux de vos radiothérapeutes sur une série rétrospective.
- Vérifier l'intégration — compatibilité avec votre système de planification (TPS) et votre format DICOM-RT.
- Former l'équipe à la relecture — la valeur vient d'une relecture efficace, pas d'une acceptation automatique.
Combien de temps votre centre pourrait-il gagner ?
Zenix Healthcare organise une évaluation de l'auto-contourage sur vos propres cas anonymisés, avec un pilote de 30 jours sans engagement.
Demander une évaluation →- Ginn JS, Gay HA, Hilliard J et al. A clinical and time savings evaluation of a deep learning automatic contouring algorithm. Medical Dosimetry, 2023;48(1):55-60. ScienceDirect
- Evaluating deep learning auto-contouring for lung radiation therapy: A review of accuracy, variability, efficiency and dose, in target volumes and organs at risk. Physics and Imaging in Radiation Oncology, 2025 (revue de 40 études). PMC