Improved computer resources in radiation oncology department have greatly facilitated the integration of multimodal imaging into the workflow of radiation therapy. Nowadays, physicians have highly informative imaging modalities of the anatomical region to be treated. These images contribute to the targeting accuracy with the current treatment device, impacting both segmentation or patient's positioning. Additionally, in a constant effort to deliver personalized care, many teams seek to confirm the benefits of adaptive radiotherapy. The published works highlight the importance of registration algorithms, particularly those of elastic or deformable registration necessary to take into account the anatomical evolutions of the patients during the course of their therapy. These algorithms, often considered as “black boxes”, tend to be better controlled and understood by physicists and physicians thanks to the generalization of evaluation and validation methods. Given the still significant development of medical imaging techniques, it is foreseeable that multimodal registration needs require more efficient algorithms well integrated within the flow of data.

L’amélioration des ressources informatiques des établissements de cancérologie a grandement facilité l’intégration de l’imagerie multimodale dans le flux de données des prises en charge. Aujourd’hui, les radiothérapeutes disposent de modalités d’imagerie plus informatives de la région anatomique à traiter. Ces images, souvent de bonne résolution, contribuent à augmenter la qualité de la thérapie grâce à une définition plus précise des cibles et un meilleur contrôle de la position de traitement. Dans un souci constant de personnaliser les prises en charge, de nombreuses équipes cherchent à confirmer les bénéfices de la radiothérapie adaptative. Les travaux publiés mettent en évidence l’importance des algorithmes de recalage, indispensables pour tenir compte des évolutions anatomiques au cours du parcours médical mais également pour le suivi post-thérapeutique. La maîtrise de ces algorithmes, souvent considérés comme des « boîtes noires », tend à s’améliorer grâce à la généralisation des méthodes d’évaluation et de validation. Compte tenu du développement encore important des techniques d’imagerie médicale, il est prévisible que les besoins en recalage multimodale requièrent des algorithmes plus performants et mieux intégrés au flux des données.