La radiomique pour prédire la réponse à la chimiothérapie dans le cancer du poumon
LUNDI 25 MARS 2019
Soyez le premier à réagirSelon une étude publiée dans la nouvelle revue éditée par Radiology, "Artificial Intelligence", les chercheurs peuvent utiliser les données d’images de tomodensitométrie pour prédire quels patients atteints de cancer du poumon répondront à la chimiothérapie. Les caractéristiques radiomiques peuvent également prévoir la progression de la maladie et la survie globale.
La chimiothérapie à base de platine est généralement le traitement de première intention du cancer du poumon non à petites cellules (CBNPC) au stade avancé. Cependant, environ un patient sur quatre seulement répond bien à ce traitement. Il n’existe actuellement aucun moyen de prédire quels patients bénéficieront le plus de la chimiothérapie.
Prédire précocement la réponse à la chimiothérapie pour le cancer du poumon
Les examens par tomodensitométrie (CT) sont couramment utilisés pour déterminer le stade tumoral et le suivi de la réponse au traitement. En utilisant la radiomique, des chercheurs du département de génie biomédical de la School of Engineering de la Case Western Reserve University à Cleveland (Ohio), et du département de médecine interne de la clinique de Cleveland (Ohio) peuvent extraire des données quantitatives ou mesurables à partir d'images de CT pouvant révéler des caractéristiques de la maladie non visibles uniquement sur les images. "Notre objectif, dans cette étude, était d'identifier une prédiction précoce de la réponse à la chimiothérapie. Nous avons étudié les mesures extraites par ordinateur des profils, à la fois à l'intérieur et à l'extérieur du nodule pulmonaire, ainsi que de la forme du nodule, sur des scanners de base", a déclaré le Dr Mohammadhadi Khorrami, (Case Western Reserve University).
Identifier rapidement les patients candidats à un traitement alternatif
Les chercheurs ont ainsi étudié le rôle des caractéristiques de texture radiomique, à la fois à l'intérieur et autour de la tumeur, dans la prévision du délai de progression et de la survie globale, ainsi que dans la réponse à la chimiothérapie chez les patients atteints de CPNPC. "Il s'agit de la première étude sur le thème des profils d'hétérogénéité ou de diversité extraits de l'extérieur de la tumeur comme facteurs prédictifs de la réponse à la chimiothérapie, poursuit le Dr Khunger (département de médecine interne de la clinique de Cleveland), co-auteur de cette étude publiée dans la nouvelle revue éditée par Radiology, Artificial Intelligence. C'est important car cela pourrait permettre de prédire à l'avance que les patients atteints de cancer du poumon vont, ou non, réagir au traitement. Cela pourrait aider à identifier les patients candidats à des thérapies alternatives telles que la radiothérapie ou l'immunothérapie."
Le Deep learning pour prévoir la probabilité de réponse d'un patient à la chimiothérapie
Ils ont analysé les données de 125 patients traités par chimiothérapie par doublet de platine à base de pemetrexed à la Cleveland Clinic. Les patients ont été divisés au hasard en deux groupes avec un nombre égal de répondants et de non-répondants dans le groupe d’entraînement. La cohorte d'entrainement de l'algorithme comprenait 53 patients atteints de CBNPC tandis que le groupe de validation comprenait 72 patients. Un ordinateur a analysé les images tomodensitométriques du cancer du poumon afin d'identifier des modèles uniques d'hétérogénéité à la fois à l'intérieur et à l'extérieur de la tumeur. Ces modèles ont ensuite été comparés entre les scanners de patients ayant répondu ou non à une chimiothérapie. Ces modèles de caractéristiques ont ensuite été utilisés pour former un algorithme de Deep learning afin d'identifier la probabilité qu'un patient atteint d'un cancer du poumon réagisse à une chimiothérapie.
Des caractéristiques radiomiques pouvant prédire la progression de la maladie et la survie globale
"Lorsque nous avons examiné les modèles à l'intérieur de la tumeur, nous avons obtenu une précision de 0,68. Mais lorsque nous avons regardé à l'intérieur et à l'extérieur, la précision est passée à 0,77 ”, remarque le Dr Khorrami. Les résultats ont montré que les caractéristiques radiomiques dérivées de la tumeur et de la zone autour de celle-ci permettaient de distinguer les patients ayant répondu à la chimiothérapie des autres. De plus, les caractéristiques radiomiques prédisaient le délai avant progression et la survie globale. "En dépit du grand nombre d'études menées jusqu'alors par CT, la zone tumorale environnante immédiate, ou région péritumorale, est restée relativement inexplorée, conclut le Dr Khorrami. Nos résultats ont clairement mis en évidence le rôle des modèles de texture péritumorale dans la prévision de la réponse et du délai de progression après la chimiothérapie."
Bien que les chercheurs n'aient pas explicitement étudié le fondement des caractéristiques radiomiques identifiées autour de la tumeur, ils ont émis l'hypothèse que ces modèles reflétaient une augmentation du contenu fibrotique dans les tumeurs compatibles avec la chimiothérapie. Selon le Dr Khorrami, les données radiomiques dérivées des images de scanner peuvent également potentiellement aider à identifier les patients qui présentent un risque élevé de récidive et qui pourraient bénéficier d'une surveillance et d'un suivi plus intensifs.
Bruno Benque avec RSNA