Publicité

Identification de masses surrénaliennes par scanner double énergie de routine

02/12/2022
De Bruno Benque avec AJR

Les masses surrénaliennes peuvent être identifiées lors d’un examen de routine de scanner double énergie. C’est ce qu’avancent des chercheurs dans un article publié dans l’American Journal of Roentgenology qui mettent en lumière les économies possibles en termes d’exposition et de produit de contraste liées aux examens de suivi dans cxe contexte.

La tomodensitométrie à double énergie (DECT) a été utilisée pour aider à évaluer les découvertes abdominales fortuites dans plusieurs organes en caractérisant les tissus en fonction de leur atténuation différentielle en fonction de l'énergie des rayons X.

Les multiples mesures permises par l’utilisation du scanner double énergie

Certaines substances telles que l'iode et le calcium présentent une atténuation plus élevée à faible énergie des rayons X, tandis que d'autres, telles que la graisse, présentent une atténuation plus faible à faible énergie des rayons X, alors que l'eau ou les tissus mous présentent une atténuation similaire quelle que soit l'énergie des rayons X. Dans ce cadre l’exploration des masses surrénaliennes en utilisant une seule phase post-contraste peut être complétée par un examen DECT qui permet d’obtenir une atténuation virtuelle sans contraste (VNC), une densité d'iode ainsi qu’un rapport densité d'iode/VNC pour caractériser les masses surrénaliennes.

Le DECT est également capable de réaliser une fraction de graisse tissulaire. Des travaux antérieurs ont déjà été réalisés pour caractériser les masses surrénaliennes à l'aide de paires de base de densité de matériaux, tels que iode/graisse. Le but de ce travail était de comparer les performances diagnostiques des mesures dérivées de la phase DECT veineuse, notamment la VNC, la fraction de graisse, la densité d'iode et le rapport iode/VNC pour caractériser les masses surrénaliennes.

Une étude identifie les masses surrénaliennes à partir d’une exploration par DECT

Dans un article publié récemment dans l'American Journal of Roentgenology (AJR), une équipe américaine pilotée par le Dr Anne-Sophie T. Loonis, du Brigham and Women's Hospital de Boston (Massachusetts – USA), a étudié, pour les lésions surrénaliennes évaluées par TDM monophasique à double énergie (DECT), la sensibilité de la fraction de graisse par rapport à l'atténuation virtuelle sans contraste aux deux seuil cliniquement optimaux et au seuil traditionnel ≤10 HU.

« Les algorithmes de décomposition en trois matériaux basés sur le DECT peuvent aider à caractériser définitivement les lésions surrénales détectées sur l'imagerie abdominale de routine comme les adénomes, réduisant ainsi les examens de suivi en aval », remarque le Dr Loonis. Dans cette étude, 128 patients (82 femmes, 46 hommes ; âge moyen : 64 ans) ayant subi un scanner abdomino-pelvien en phase portale entre janvier 2016 et décembre 2019 présentaient un total de 139 lésions surrénales avec un diagnostic de référence basé sur l'imagerie, les dossiers cliniques et anatomopath : 87 adénomes, 52 non-adénomes (48 métastases, 2 carcinomes corticosurrénaliens, 1 ganglio-neurome, 1 hématome).

Un processus diagnostic qui permettrait de réduire les coûts liés aux examens d’aval

Deux radiologues ont localisé les régions d’intérêt pour déterminer l'atténuation virtuelle sans contraste, la fraction de graisse, la densité d'iode normalisée par rapport à la veine porte et le rapport d'amélioration relative - pour les masses avec une atténuation virtuelle sans contraste supérieures à 10 HU. Les résultats ont montré que, pour les masses surrénales évaluées par DECT en phase portale-veineuse monophasée, en maintenant une spécificité dà100 %, la sensibilité pour l'adénome était significativement plus élevée en utilisant la fraction de graisse (59 %) qu’à partir de l'atténuation virtuelle sans contraste au seuil cliniquement optimal (39 %) ou au seuil traditionnel ≤ 10 HU [28 %).

« L'utilisation de mesures dérivées du DECT pour diagnostiquer définitivement les lésions surrénaliennes au cours d’un examen de routine en tant qu'adénomes pourrait aider à éviter les coûts, l'exposition aux rayonnements, l'exposition aux produits de contraste et l'anxiété des patients associés aux contrôles d’aval », concluent les chercheurs.

SUR LE MÊME THÈME

Imagerie Abdominale
Des arguments solides pour élargir les applications de l'échographie de contraste
Abonné(e)

Des arguments solides pour élargir les applications de l'échographie de contraste

L’exploration des lésions hépatiques focales est le seul domaine où l’échographie de contraste est autorisée aujourd’hui. Pourtant, des applications non autorisées peuvent apporter un vrai bénéfice au patient. Dans un article publié dans la Revue European Radiology, des experts évoquent des indicati...

28/01/2026 -

Imagerie Abdominale
Dépistage du carcinome hépatocellulaire : les recommandations de l'AASLD v2023 montrent leur supériotité
Abonné(e)

Dépistage du carcinome hépatocellulaire : les recommandations de l'AASLD v2023 montrent leur supériotité

L’échographie fait preuve d’une faible sensibilité pour le dépistage du carcinome hépatocellulaire. De nouvelles recommandations de l'American Association for the Study of Liver Diseases (AASLD) sont parues en 2023. Elles ont été comparées à deux autres systèmes d’évaluation couramment utilisés. Ce...

23/01/2026 -

Imagerie Abdominale
Un modèle d'autosegmentation testé pour prédire la classification de Lauren du cancer gastrique à partir de la TDM
Abonné(e)

Un modèle d'autosegmentation testé pour prédire la classification de Lauren du cancer gastrique à partir de la TDM

Se servir de la radiomique pour prédire la classification de Lauren pré-opératoire du cancer gastrique à partir d’images de tomodensitométrie est pertinent mais chronophage. Un modèle d’autosegmentation a été testé dans une étude récente publiée dans la Revue European Radiology et a obtenu des résul...

30/12/2025 -

Imagerie Abdominale
Un modèle de deep learning pour mieux détecter les néoplasies gastriques par TDM
Abonné(e)

Un modèle de deep learning pour mieux détecter les néoplasies gastriques par TDM

Un nombre significatif de néoplasies gastriques passent inaperçues lors des examens TDM de routine, pour lesquels la segmentation par IA pourrait servir de second lecteur. Des chercheurs chinois ont décrit, dans la Revue Radiology, une approche dédiée basée sur le deep learning qu’ils ont développée...

26/12/2025 -

Imagerie Abdominale
L'IRM 7T comme alternative à l'histopathologie pour l'étude de la fibrose hépatique ex vivo
Abonné(e)

L'IRM 7T comme alternative à l'histopathologie pour l'étude de la fibrose hépatique ex vivo

L’IRM haut champ pourrait potentiellement servir à l’exploration de la fibrose hépatique ex vivo. Une étude française publiée dans la Revue European Radiology compare un échantillon hépatique étudié par histopathologie et par IRM 7T. Les résultats sont jugés comparables et montrent la pertinence de...

12/12/2025 -

Imagerie Abdominale
L'IRM abdominale en respiration libre évolue encore en pédiatrie
Abonné(e)

L'IRM abdominale en respiration libre évolue encore en pédiatrie

Les techniques d’acquisition IRM abdominale évoluent significativement pour éviter de sédater les enfants. Une étude allemande publiée dans la Revue European Radiology compare des séquences T1w radiales dynamiques en respiration libre à un protocole conventionnel dynamique avec injection. Cette tech...

10/12/2025 -

Imagerie Abdominale
Des chercheurs américains découvrent un biomarqueur TDM du stress chronique
Abonné(e)

Des chercheurs américains découvrent un biomarqueur TDM du stress chronique

Grâce à un modèle de deep learning qui identifie un indice de volume surrénalien en tomodensitométrie, des chercheurs ont identifié un biomarqueur inédit du stress chronique. Ils présenteront leur étude lors du congrès annuel de la Radiological Society of North America (RSNA).

28/11/2025 -

LETTRE D'INFORMATION

Ne manquez aucune actualité en imagerie médicale et radiologie !

Inscrivez-vous à notre lettre d’information hebdomadaire pour recevoir les dernières actualités, agendas de congrès, et restez informé des avancées et innovations dans le domaine.