Bien évaluer les nodules thyroïdiens chez les enfants en échographie
MERCREDI 26 OCTOBRE 2022
Soyez le premier à réagirPour trouver un référentiel d’évaluation de la malignité des nodules de thyroïde chez l’enfant, des chercheurs américains ont comparé l’œil du radiologue, le référentiel ACR TI-RADS et un algorithme de deep learning dédié. Dans un article publié dans l'American Journal of Roentgenology (AJR), ils plébiscitent l'ACR TI-RADS et l’algorithme qui ont une meilleure sensibilité
L'incidence du cancer de la thyroïde chez les enfants a augmenté au cours des dernières décennies, sans moyen pérenne de différencier de manière non invasive les nodules thyroïdiens bénins et malins.
Le référentiel ACR TI-RADS pour évaluer les nodules chez les adultes, mais rien pour les enfants
Une méthode d'évaluation précise des nodules thyroïdiens chez l'enfant est importante étant donné qu’ils présentent un risque de malignité de 22 à 26 % contre 5 à 10 % chez l'adulte, ainsi qu'un risque de métastases aussi élevé que 30 %, contre 5 % chez les adultes. Pour normaliser l'évaluation des nodules thyroïdiens et réduire les ponctions inutiles, l'American College of Radiology (ACR) a créé le Thyroid Imaging and Reporting Data System (TI-RADS) pour évaluer le nodule et déterminer la nécessité d’une ponction.
En l’absence d’un système de cotation standardisé et validé chez l’enfant, les examens échographiques des nodules thyroïdiens pour cette population sont généralement interprétés en fonction de l'impression globale du radiologue. Une étude publiée dans l’American Journal of Roentgenology (AJR) se propose de tester, pour la première fois, un algorithme de deep learning pour évaluer des nodules thyroïdiens chez les enfants. Le but de cette étude était de comparer les performances diagnostiques des radiologues, l’ACR TI-RADS et d'un algorithme de deep learning dans ce cadre.
Une étude pour comparer l’œil du radiologue, l’ACR TI-RADS et un algorithme de deep learning chez l’enfant
« L’ACR TI-RADS et l'algorithme de deep learning avaient une sensibilité plus élevée, quoiqu’une spécificité plus faible, par rapport aux impressions globales des radiologues, remarque le co-premier auteur de l’étude, M. Jichen Yang, du département de génie électrique et informatique de l'Université Duke à Durham – Caroline du Nord, USA -. L'algorithme avait une sensibilité similaire à l'ACR TI-RADS, mais une spécificité plus faible. L'accord inter-observateur était plus élevé pour l'ACR TI-RADS que pour les impressions globales des radiologues ».
Dans cet article, 139 patients (119 femmes, 20 hommes) d’âge maximal 21 ans et présentant un nodule thyroïdien à l'échographie avec des résultats pathologiques qui prédisaient une ponction ou une excision chirurgicale ont été évalués du 1er janvier 2004 au 18 septembre 2020. Des images transversales et longitudinales uniques d'un nodule par patient ont ensuite été extraites. Trois radiologues ont indépendamment qualifié les nodules en fonction de leur impression globale (bénin vs malin) et de l'ACR TI-RADS. Un algorithme de deep learning développé pour l'occasion a d’autre part déterminé la probabilité de malignité pour chaque nodule, qui a été utilisé pour déterminer le niveau de risque.
L’ACR TI-RADS et l’algorithme plébiscités pour leur meilleure sensibilité
En fin de compte, pour l'évaluation des nodules thyroïdiens par échographie chez les enfants et les jeunes adultes, les impressions globales des radiologues avaient une sensibilité moyenne de 58,3 % et une spécificité moyenne de 79,9 %, l’ACR TI-RADS de 85,1 % et de 50,6 % respectivement, et enfin l’algorithme avait une sensibilité de 87,5 % et une spécificité de 36,1 %.
« Étant donné l’importance accordée à la sensibilité lors de l'évaluation des nodules thyroïdiens chez les enfants par rapport aux adultes, les résultats sont en faveur d’une exploration continue, chez les enfants, guidée par l'ACR TI-RADS et l'algorithme de deep learning », conclut M. Yang.
Bruno Benque avec AJR