La planification d’une radiothérapie à partir d’IRM est un sujet d’actualité du fait de la commercialisation de machines de traitement combinant un accélérateur linéaire et une IRM. Une des difficultés pour l’introduction de l’IRM dans cette tâche est l’absence d’information sur la densité des tissus nécessaire pour le calcul de dose. Pour répondre à cette problématique, deux approches de méthode ont été développées, d’une part la génération d’une image de substitution tomodensitométrique à partir de l’IRM sur laquelle est finalement réalisée la planification, et d’autre part le calcul direct de dose à partir d’IRM en se basant sur des hypothèses physiques. La première approche intégrant une pseudo-tomodensitométrie peut se décliner en trois catégories de méthodes : les méthodes basées sur l’assignation directe de densités déterminent des volumes d’intérêts (tissus ou organes) sur l’IRM du patient pour leur attribuer une densité donnée ; les méthodes basées sur l’apprentissage statistique modélisent des relations entre les intensités des images tomodensitométriques et celles de l’IRM, puis appliquent le modèle obtenu sur l’IRM du patient et enfin, les méthodes basées sur le recalage d’atlas mettent en correspondance spatialement une base d’images (tomodensitométrie et IRM) avec l’IRM du patient, pour les fusionner en générant une pseudo-tomodensitométrie. L’approche physique vise à calculer la dose directement à partir de la concentration tissulaire d’hydrogène mesurée sur l’IRM. L’analyse de la littérature montre que les méthodes basées sur le recalage d’atlas et d’apprentissage statistique semblent les plus précises sur le plan dosimétrique. Les méthodes d’assignation de densité sont les moins automatisées et paraissent moins appropriées pour les localisations tumorales osseuses. Les méthodes les plus rapides sont l’apprentissage statistique et les plus longues sont les méthodes basées sur le recalage d’atlas. La méthode physique est la moins aboutie, mais probablement la plus prometteuse. Finalement, la validation de ces méthodes est cruciale avant une utilisation en routine clinique, en particulier dans une perspective de radiothérapie adaptative délivrée par une machine combinant un accélérateur linéaire et une IRM.

MRI-based radiotherapy planning is a topical subject due to the introduction of a new generation of treatment machines combining a linear accelerator and a MRI. One of the issues for introducing MRI in this task is the lack of information to provide tissue density information required for dose calculation. To cope with this issue, two strategies may be distinguished from the literature. Either a synthetic CT scan is generated from the MRI to plan the dose, or a dose is generated from the MRI based on physical underpinnings. Within the first group, three approaches appear: bulk density mapping assign a homogeneous density to different volumes of interest manually defined on a patient MRI; machine learning-based approaches model local relationship between CT and MRI image intensities from multiple data, then applying the model to a new MRI; atlas-based approaches use a co-registered training data set (CT-MRI) which are registered to a new MRI to create a pseudo CT from spatial correspondences in a final fusion step. Within the second group, physics-based approaches aim at computing the dose directly from the hydrogen contained within the tissues, quantified by MRI. Excepting the physics approach, all these methods generate a synthetic CT called “pseudo CT”, on which radiotherapy planning will be finally realized. This literature review shows that atlas- and machine learning-based approaches appear more accurate dosimetrically. Bulk density approaches are not appropriate for bone localization. The fastest methods are machine learning and the slowest are atlas-based approaches. The less automatized are bulk density assignation methods. The physical approaches appear very promising methods. Finally, the validation of these methods is crucial for a clinical practice, in particular in the perspective of adaptive radiotherapy delivered by a linear accelerator combined with an MRI scanner.