En radiothérapie, tout est une question de mesure. Et pour que le recours à cette thérapie contre le cancer soit un succès, il faut connaître exactement la dose de radiation à administrer en fonction du type de tumeur. Et surtout, contrôler la toxicité dans les tissus sains environnants.

Des modèles appuient déjà le travail des thérapeutes. « Mais beaucoup d’algorithmes font de gros raccourcis pour obtenir des résultats rapidement », constate Philippe Després, chercheur en physique à l’Université Laval, lors de sa conférence au 25e Symposium de calcul de haute performance, tenu ces jours-ci à Montréal.

Par exemple, la méthode de Monte-Carlo, une simulation probabiliste, bien que très performante pour calculer la valeur de la dose à administrer, s’avère trop lente à réaliser. Le chercheur a tenté d’en accélérer l’exécution en ayant recours à des grappes d’ordinateurs et il y est parvenu : les calculs sont maintenant jusqu’à 1000 fois plus rapides. Ce qui rend la technique maintenant utilisable cliniquement.

En effet, « le temps d’exécution peut signifier pour un médecin d’agir ou non pour traiter un cancer, souligne le chercheur. Notre méthode est vraiment un bon outil d’aide à la prise de décisions ».

Une autre application sur laquelle travaille le chercheur : modéliser la cible pendant que le patient reçoit la dose grâce aux images obtenues par tomographie axiale à rayons X superposées les unes sur les autres. En adaptant cette méthode, le chercheur a réussi à réduire le nombre de projections nécessaires de 700 à seulement 100. Avec les effets indésirables connus des rayons X, on peut dire que c’est une belle performance!