Le carcinome nasopharyngé (NPC) est une tumeur maligne très agressive, la plupart des patients se présentant à des stades localement avancés. Bien que les inhibiteurs de point de contrôle immunitaire, tels que le blocage PD-1, aient remodelé des stratégies de traitement, seule une minorité de patients obtiennent un bénéfice durable. Les biomarqueurs précis pour prédire la réponse au traitement restent un besoin urgent non satisfait.
Une étude multicentrique dirigée par le professeur Shuixing Zhang et le professeur Bin Zhang du premier hôpital affilié de l'Université de Jinan ont inscrit 246 patients atteints de PNJ localement avancée traitée par immunothérapie. En appliquant des algorithmes d'intelligence artificielle, l'équipe a extrait et sélectionné des caractéristiques radiomiques optimales de l'imagerie médicale pour construire un modèle prédictif. Les résultats ont démontré que ce modèle de radiomique basé sur l'IA a obtenu une ASC de 0,760, surpassant significativement les modèles cliniques traditionnels (AUC 0,559) pour prédire la réponse au traitement. Pour le pronostic, le modèle optimal a atteint un indice C de 0,858, stratifiant avec précision les patients dans des groupes à haut et à faible risque.
Au-delà de la performance prédictive, l'étude a également exploré l'interprétabilité biologique du modèle. Grâce à une analyse de corrélation de la pathologie d'image à l'aide d'images H&E à glisse H&E et IHC, les chercheurs ont découvert de fortes associations entre les caractéristiques radiomiques et les marqueurs clés des cellules immunitaires, y compris CD45RO, CD8, PD-L1 et CD163. Ces résultats révèlent un lien clair entre les caractéristiques dérivées de l'imagerie et le paysage immunitaire du microenvironnement tumoral, fournissant une validation biologique de l'approche radiomique.
Ensemble, ce travail met en évidence la promesse de la radiomique comme un outil puissant et non invasif pour l'immunothérapie de précision dans les PNJ. En combinant l'analyse avancée de l'imagerie avec la corrélation de la pathologie, l'étude améliore non seulement la précision prédictive, mais plie également les signatures radiomiques avec la biologie tumorale, offrant de nouvelles informations sur la stratification des patients et le traitement personnalisé.
