Louis Archambault est un chercheur spécialisé en physique médicale, en radio-oncologie, et en imagerie médicale. Il est chercheur Junior-2 du Fonds de recherche en santé du Québec (FRQ-S). Le Dr Archambault a rejoint le CHU de Québec comme physicien médical en 2010 après un stage postdoctoral au MD Anderson Cancer Center. Depuis 2013, il est aussi professeur au département de physique, de génie physique, et d’optique de la faculté des sciences et de génie de l’Université Laval. Ses recherches visent le développement de nouveaux outils et algorithmes pour accroître l’efficacité des traitements de radiothérapie. La qualité de ses travaux a été reconnue par la communauté scientifique à plusieurs occasions. À titre d’exemple, le Dr Archambault a reçu deux fois le prix Sylvia Fedoruk, depuis 2012. Ce prix, décerné par l’organisation canadienne des physiciens médicaux (OCPM) vise à récompenser la meilleure publication scientifique de physique médicale par des auteurs canadiens.

Accroître l’efficacité des traitements de radiothérapie

Le succès d’un traitement de radiothérapie dépend de notre habileté à concentrer une forte dose de radiation sur une cible tumorale, tout en épargnant les tissus sains avoisinants. Pour atteindre cet objectif, les traitements de radiothérapie se sont considérablement complexifiés au cours des dernières années. Afin de garantir que cette complexité n’entraîne pas de risque accru pour le patient, l’équipe du Dr Archambault développe de nouveaux instruments pour mesurer, rapidement et avec justesse, les doses de radiation en jeu dans les traitements de radiothérapie de pointe. En utilisant des matériaux capables d’émettre de la lumière visible, lorsqu’irradiés, il a été possible de concevoir l’un des premiers systèmes de mesure tridimensionnelle capable d’une mesure en temps réel. Ce genre d’outil innovant ouvre de nouvelles opportunités de mesure, telles que la caractérisation complète des patrons d’irradiation administrés en présence de forts champs magnétiques, et l’étude approfondie de l’impact des changements anatomiques sur la qualité d’un traitement de radiothérapie.

Les travaux du Dr Archambault visent aussi le développement d’algorithmes intelligents capables d’analyser automatiquement les grandes quantités de données produites lors de l’administration de la radiothérapie, afin de garantir la précision et l’exactitude de ce genre de traitement. Ces travaux permettront de déployer un filet de sécurité virtuel capable de suivre simultanément l’évolution d’un grand nombre de patients traités en radiothérapie, venant ainsi complémenter l’expertise des acteurs cliniques, afin de garantir que chaque patient traité en radio-oncologie le soit de façon optimale. En utilisant des développements récents dans le domaine de l’apprentissage-machine, il est possible de prédire le comportement d’un patient au cours de ses traitements, et ainsi de personnaliser ce dernier en agissant de façon précoce pour corriger le plan de traitement afin de prévenir les effets délétères causés par de possibles changements dans l’état du patient.

Hôpital de l'Enfant-Jésus
1401, 18e rue
G0.440
Québec, Québec
Canada G1J 1Z4

Dernières nouvelles

Information non disponible

73 enregistrements « 1 de 8 »

Touma N, Larose M, Ouellet J, Bédard-Tremblay D, Singbo N, Hovington H, Neveu B, Archambault L, Pouliot F

External validation of the Memorial Sloan Kettering Cancer Center preoperative nomogram predicting lymph node invasion in a cohort of high-grade prostate cancer patients

Article de revue

Prostate, 84 (12), 2024.

Résumé | Liens:

Safari M, Yang X, Chang CW, Qiu RLJ, Fatemi A, Archambault L

Unsupervised MRI motion artifact disentanglement: introducing MAUDGAN

Article de revue

Phys Med Biol, 69 (11), 2024.

Résumé | Liens:

Poulin E, Lacroix F, Archambault L, Jutras JD

Commissioning and implementing a Quality Assurance program for dedicated radiation oncology MRI scanners

Article de revue

J Appl Clin Med Phys, 25 (3), 2024.

Résumé | Liens:

Gourdeau D, Duchesne S, Archambault L

An hetero-modal deep learning framework for medical image synthesis applied to contrast and non-contrast MRI

Article de revue

Biomed Phys Eng Express, 2024.

Résumé | Liens:

Safari M, Yang X, Fatemi A, Archambault L

MRI motion artifact reduction using a conditional diffusion probabilistic model (MAR-CDPM)

Article de revue

Med Phys, 51 (4), 2024.

Résumé | Liens:

Archambault L

A swallowable X-ray dosimeter

Article de revue

Nat Biomed Eng, 7 (10), 2023.

| Liens:

Safari M, Fatemi A, Afkham Y, Archambault L

Patient-specific geometrical distortion corrections of MRI images improve dosimetric planning accuracy of vestibular schwannoma treated with gamma knife stereotactic radiosurgery

Article de revue

J Appl Clin Med Phys, 24 (10), 2023.

Résumé | Liens:

Safari M, Fatemi A, Archambault L

MedFusionGAN: multimodal medical image fusion using an unsupervised deep generative adversarial network

Article de revue

BMC Med Imaging, 23 (1), 2023.

Résumé | Liens:

Cloutier É, Archambault L, Beaulieu L

Accurate dose measurements using Cherenkov emission polarization imaging

Article de revue

Med Phys, 49 (8), 2022.

Résumé | Liens:

Cloutier É, Beaulieu L, Archambault L

Direct in-water radiation dose measurements using Cherenkov emission corrected signals from polarization imaging for a clinical radiotherapy application

Article de revue

Sci Rep, 12 (1), 2022.

Résumé | Liens:

73 enregistrements « 1 de 8 »
Signaler des ajouts ou des modifications

Projets actifs

  • 2SHARP:Two Fractions Study of Hypofractionated Ablative Radiotherapy for Prostate Cancer. , du 2024-06-19 au 2025-03-31
  • Engineering bioactive dressings from mesenchymal cells to enhance healing of irradiated skin wounds, du 2022-04-01 au 2027-03-31
  • Expanding the boundaries of scintillation dosimetry with data science, signal processing and innovative design, du 2024-04-01 au 2029-03-31
  • NSERC CREATE in Responsible Health and Healthcare Data Science, du 2019-09-01 au 2026-08-31
  • Propulsion d’une plateforme de dosimétrie à scintillation de pointe vers de nouvelles applications à fort potentiel innovant et commercial, du 2022-06-27 au 2024-11-25
  • Scale-up and validation of personalized outcome prediction model for newly diagnosed prostate cancer patients by integrating clinicopathological data and multi-task artificial , du 2024-06-17 au 2025-06-16
  • Validation clinique de l'Hyperscint MD, du 2023-10-18 au 2024-10-17

Projets terminés récemment

  • New tools and method for monitoring ionizing radiation delivery in medical physics, du 2018-04-01 au 2024-03-31
Information provenant du registre des projets de recherche de l'Université Laval