Nouvelle méthode basée sur l’analyse en composantes indépendantes hautement prédictive de toxicité en cas de radiothérapie prostatique

Objectif de l’etude Les objectifs etaient : de proposer un nouveau modele predictif de rectorragies apres radiotherapie pour cancer de la prostate base sur l’analyse en composantes independantes (ICA), utilisant a la fois l’information dosimetrique et non-dosimetrique (les caracteristiques specifiques aux patients, a la tumeur et au traitement). De comparer ce nouveau modele avec les modeles predictifs de la litterature utilisant ces memes informations : le Normal Tissue Complication Probability (NTCP) « historique » de Lyman-Kutcher-Burman et les methodes recentes d’apprentissage automatique (methodes de machine learning ) telles que les forets d’arbres decisionnels ( random forest ), basees sur l’analyse en composantes principales (ACP) et l’ACP fonctionnelle (FPCA). Materiel et methode Les dossiers de 543 patients pris en charge par RCMI guidee par l’image pour un cancer de la prostate, avec un suivi minimum de 4 ans, ont ete prospectivement analyses. Le risque de rectorragies de d rade ≥ 2 a 4 ans etait de 9,8 %. L’ICA a ete utilisee pour estimer un nouveau parametre (pICA) issu des histogrammes dose-volume (HDV), secondairement integre dans une regression lineaire (RL-pICA). Les capacites de prediction de rectorragies a 4 ans du modele RL-pICA et des modeles predictifs de la litterature ont ete comparees en calculant l’aire sous la courbe de la fonction d’efficacite du recepteur (AUC) pour chaque modele, en divisant la cohorte en deux (apprentissage et validation), 100 fois. Une regression lineaire multifactorielle a egalement ete realisee pour identifier les parametres les plus predictifs. Resultats L’AUC moyenne pour le modele RL-pICA etait de 0,76, significativement plus elevee que les AUC des modeles predictifs de la litterature, ayant des AUC moyens variant de 0,62 a 0,64. Parmi toutes les variables considerees, les seules variables significatives retenues en analyse multifactorielle etaient la radiotherapie guidee par l’image (RR = 0,34) et pICA (RR = 0,01). Conclusion En comparaison des modeles predictifs existants dans la litterature, la methode ICA apparait la plus predictive.