La radiomique et la TDM pulmonaire pour identifier les cas graves de COVID-19

Selon le « Diagnosis and Treatment Program of Pneumonia of New Coronavirus Infection (Trial 7th Edition)» recommandé par la China’s National Health Commission, les patients atteints de COVID-19 sévère sont plus susceptibles de développer de graves pathologies aigües, notamment respiratoires, cardiaques ou rénales.

La radiomique pour identifier de manière précoce les cas graves de COVID-19

Les données épidémiologiques actuelles suggèrent également que le taux de mortalité du COVID-19 sévère est environ 20 fois plus élevé que celui du COVID-19 non sévère d’où l’importance d’une identification précoce des cas graves. Dans une étude publiée dans la Revue European Radiology, des chercheurs chinois confirment que la tomodensitométrie (TDM) traditionnelle est largement utilisée pour diagnostiquer, évaluer et surveiller la pneumonie COVID-19 mais que l'évaluation des signes radiologiques dépend fortement de l'expérience du radiologue et n'est pas objective, de même que les méthodes de TDM quantitative.

Ils se sont donc attachés, dans cette étude, à utiliser une approche radiomique, non seulement pour aider à la détection, au diagnostic, à la surveillance et à l'évaluation pronostique des maladies pulmonaires, mais également pour la prédiction précise de la gravité clinique de la pneumonie à COVID-19.

Des algorithmes issus de la tomodensitométrie pulmonaire

Trois cent seize patients COVID-19 (246 non sévères et 70 sévères) ont été collectés rétrospectivement dans deux institutions et affectés à des cohortes de formation, de validation et de test. Les caractéristiques radiomiques ont été extraites des images de TDM pulmonaire. La signature Radiomics a été construite sur la base de caractéristiques reproductibles à l'aide de l'algorithme LASSO avec une validation croisée de 5 fois. Une modélisation de régression logistique a été utilisée pour construire différents modèles basés sur des caractéristiques TDM quantitatives, une signature radiomique et des facteurs cliniques.

Une efficacité prédictive satisfaisante pour le modèle de radiomique basé sur la TDM pulmonaire

Les chercheurs ont sélectionné et utilisé seize caractéristiques pour construire la signature radiomique. Le modèle radiomique basé sur les images TDM a montré un bon étalonnage et une bonne discrimination dans la cohorte d'entraînement (AUC, 0,9 ; IC à 95 %), la cohorte de validation (AUC, 0,878 ; IC à 95 %) et la cohorte de test (ASC : 0,842 ; IC à 95 %). Il a mis en lumière une meilleure capacité de discrimination par rapport au modèle TDM quantitatif combiné aux facteurs cliniques (AUC, 0,781 ; IC à 95 %) dans la cohorte d'entraînement, la cohorte de validation (AUC, 0,814 ; IC à 95 %) et la cohorte de test (ASC, 0,696 ; IC à 95 %,). L'analyse de la courbe de décision a démontré qu'en termes d'utilité clinique, le modèle radiomique surpassait le modèle des facteurs cliniques et le modèle TDM quantitatif seuls.

Cette étude montre, au final, que la signature radiomique basée sur la TDM pulmonaire a une efficacité prédictive favorable pour le COVID-19 sévère, ce qui pourrait aider les cliniciens à adapter leur thérapie précoce.