L A T E X TikZposter Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest" Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest"

Contexte L'imagerie TEP-FDG corps entier procure des informations pronostiques dans le bilan initial et le suivi therapeutique des patients atteints de myelome multiple (MM). Etat de l'art Les biomarqueurs par imagerie TEP ont ete peu etudies dans ce contexte et souvent en utilisant des methodes de Cox et de Kaplan-Meier. Cependant, une approche de type "Random Survival Forest" (RSF), peut fournir un procede plus robuste pour l'analyse de la survie et n'est pour le moment pas etudie dans le cadre du MM et de l'imagerie TEP. Proposition Nous proposons une methode pour la prediction de la progression dans le contexte du MM en utilisant des RSF avec la methode de selection par 'Variable importance' (VIMP) [Ishwaran et al., Annals of Applied Statistics, 2008]. Materiel et methodes 1) Les donnees • Etude multicentrique et prospective, IMAJEM [Moreau et al. J Clin Oncol 2017] • 99 patients • Prise en compte des caracteristiques cliniques et d'imagerie. 2) La methode Resultats 2) Caracteristiques predictives Figure 4 : Diagramme des caracteristiques trouvees comme predictives par la methode VIMP (Le nombre optimal de features gardees est entre 5 et 7.) Resultats 1) Evaluation de la methode Figure 2 : Erreur de prediction sur 50 iterations, en fonction de la methode. GB : gradient boosting machine with Cox, GBCI : gradient boosting machine for concordance index, Lasso : Lasso-cox, Our method : selection VIMP plus RSF, Without : RSF sans selection prealable. Figure 3 : A) Courbe de Kaplan Meier dans deux groupes de pronostic obtenues sur le set de test (en rose : Bon pronostic, en bleu : mauvais pronostic). Erreur : 0,30, p-value = 0,0058, valeur log-rank = 7,6, nombre de patients par groupe = 12. B) P-value calculee pour 50 iterations pour differentes methode de selection suivies d'une RSF. Our method : VIMP, VH : Variable-Hunting, MD : Minimal Depth, Without : sans selection. Conclusions et perspectives La methode proposee permet de decrire un modele plus performant que les approches conventionnelles pour la prediction au bilan initial de la survie sans progression des patients atteints de myleome multiple. Nous avons montre qu'il etait possible de correctement separer deux classes de patients (bon/mauvais pronostic) a partir de donnees independantes. Elle permet egalement de determiner les parametres clinico-biologiques et par imagerie les plus predictifs de la progression. Par la suite, plus de patients et de parametres vont etre inclus avec notamment des caracteristiques radiomiques. Cette approche peut etre generalisee a d'autres pathologies. Remerciements : Ce travail a ete partiellement finance par SIRIC ILIAD et MILCOM Connect Talent.