Surveillance du cancer de la prostate : l'IRM bi-paramétrique comme alternative à la PSA et aux biopsies

Le cancer de la prostate représente plus d'un cinquième des diagnostics de cancer chez l’homme. L'introduction du dépistage de l'antigène spécifique de la prostate (PSA) pour la détection de cette pathologie a conduit à un surdiagnostic à faible risque.

L’IRM en série comme alternative aux biopsies répétées dans la surveillance des cancers de la prostate à faible risque

Pour les hommes sujets à un cancer de la prostate localisé à faible risque, le traitement curatif a un bénéfice limité et est associé à une qualité de vie réduite, remplacé désormais par une surveillance active (SA) est un plan de prise en charge à minima par évaluation des mesures de PSA et de biopsies répétées, afin de détecter précocement la progression de la maladie et de maximiser l'efficacité du traitement curatif ultérieur.

L'IRM en série s’avère une méthode non invasive pertinente pour surveiller les patients atteints de cancer de prostate et est couramment utilisée par les radiologues pour comparer les résultats dans le temps et pour rendre compte de sa stabilité radiologique ou de sa progression. Les directives PRECISE éditent les meilleures pratiques actuelles pour rapporter les résultats d'IRM en série dans le cadre de la SA, sur la base des changements de taille et des caractéristiques histologiques. Pourtant, les précisions diagnostiques rapportées sont actuellement encore trop faibles pour en faire l’examen de première intention en tant qu'alternative fiable aux biopsies répétées dans les protocoles AS.

Une étude analyse l’apport de l’IA pour l’amélioration de l’IRM bi-paramétrique pour surveiller l’évolution des lésions

Mais la surveillance par IRM peut être améliorée grâce à l'intelligence artificielle (IA), bien que les scientifiques n’aient pas encore exploré l'utilisation des informations différentielles sur les examens séquentiels d'IRM de la prostate avec cet outil. Le développement simple de l'IA pour la SA est difficile, en raison du faible nombre d'examens IRM séquentiels. C’est la raison pour laquelle une étude hollandaise publiée dans la Revue European Radiology, propose un algorithme de machine learning hybride efficace en termes de données. Il s'appuie sur des recherches antérieures en IA où un grand nombre d'études IRM ponctuelles peuvent générer des caractéristiques interprétables.

Cette étude vise à évaluer la faisabilité de la surveillance par IRM biparamétrique (IRMbp) de la prostate assistée par IA pour la détection automatique du cancer de la prostate. Les chercheurs comparent d’une part une IA de surveillance par IRMbp à point unique à une IA de surveillance par IRMbp à plusieurs points, recherchent si l'inclusion de paramètres cliniques entraîne une amélioration supplémentaire et évaluent la performance du meilleur modèle de SA de l'IA par rapport à celle d'un radiologue expérimenté. Le système proposé est formé de telle sorte qu'il détecte et suit toutes les lésions de cancer de prostate et discrimine cliniquement les cancers non significatifs en utilisant des caractéristiques statiques et dynamiques.

Des résultats prometteurs en termes de précision diagnostique

Cette étude rétrospective a inclus un ensemble de données multicentrique de 1513 patients fait l’objet d’une IRMbp (T2 + DWI) entre 2014 et 2020, parmi lesquels 73 patients ont reçu au moins deux IRMbp consécutives et des biopsies répétées. Un modèle de détection de cancer de la prostate par deep learning a été développé pour produire une carte thermique de toutes les lésions PIRADS ≥ 2 dans les études antérieures et actuelles. Un classificateur de machine learning a également été formé pour prédire, à partir de ces caractéristiques (ISUP> 1), les résultats de la biopsie. Un classificateur formé uniquement sur l'étude en cours a été développé à des fins de comparaison. La performance diagnostique du meilleur modèle a été comparée aux scores du radiologue.

Le modèle comprenant l'étude antérieure et actuelle a entraîné une précision diagnostique plus élevée que le modèle actuel uniquement. L'ajout de variables cliniques a encore amélioré les performances diagnostiques qui ont été jugées significativement meilleures que celles des radiologues. Ces résultats sont en faveur, selon les chercheurs, d’une précision diagnostique prometteuse de la surveillance assistée par l'IA de l'IRM du cancer de la prostate.