Valeur pronostique des paramètres issus de l’analyse d’imagerie diagnostique dans les cancers colorectaux : une étude multicentrique

Objectifs Evaluer la valeur prognostique des parametres issus de l’analyse d’imagerie diagnostique – radiomiques – pour les patients atteints d’un cancer colorectal de stade II et III. Materiels et methodes Etude retrospective multicentrique portant sur 193 patients diagnostiques avec un adenocarcinome colorectal de stade II et III entre le 1er juillet 2008 et le 15 mars 2017. Pour harmoniser la variabilite des donnees multicentriques, une methode d’harmonisation statistique B-ComBat a ete utilisee. Des modeles predictifs de la recidive ont ete construits en utilisant 3 machine learning (ML) : (1) regression multivariee (MR) avec une validation multiple et Least Absolute Shrinkage and Selection Operator (LASSO), (2) Random Forest (RF) et (3) Support Vector Machine (SVM). Resultats Les performances des modeles etaient systematiquement plus elevees apres l’harmonisation B-ComBat que l’utilisation des donnees originales non transformees. La meilleure performance pour predire la recidive des cancers colorectaux a ete obtenue par le modele RM combinant une variable clinique (chimiotherapie postoperatoire) avec deux parametres issus de l’analyse d’images -radiomiques (compacite et longueur d’axe minimale) avec une balanced accuracy (BAcc) de 0,78, Matthews correlation coefficient (MCC)de 0,6 et une sensibilite de 95 %. La stratification resultante en termes de DFS etait significative (p = 0,00021), en particulier par rapport a l’utilisation de donnees originales non harmonisees (p = 0,17). Conclusions Les modeles radiomiques derives de la tomodensitometrie pre therapeutique ont pu etre realises et valides dans une cohorte multicentrique avec une bonne prediction de la recurrence chez les patients atteints d’un cancer colorectal.