S’agit-il d’une véritable progression ou d’une pseudo-progression de la croissance tumorale ?
C’est la question cruciale pour les radio-oncologues et les oncologues médicaux traitant des patients atteints de glioblastome, la forme la plus courante et la plus agressive de cancer du cerveau. La distinction entre ces types de progression est d’une importance vitale pour la gestion du traitement.
Savoir s’il s’agit d’une véritable progression, révélatrice d’une mauvaise réponse au traitement, ou d’une pseudo-progression, une réponse favorable qui peut paraître pire en raison d’un gonflement ou d’une nécrose tumorale, est essentiel pour les cliniciens. Cette connaissance peut nous guider dans l’ajustement du traitement actuel en temps réel. »
Eric Mellon, MD, PhD, radio-oncologue et chercheur au Sylvester Comprehensive Cancer Center de la Miller School of Medicine de l’Université de Miami
Lui et ses collègues de recherche présentent les résultats de deux études récentes sur ce sujet à ASTRO 2023, la réunion annuelle de l’American Society for Radiation Oncology, du 1er au 4 octobre à San Diego.
Une étude a été conçue pour déterminer si la surveillance quotidienne des modifications tumorales au cours d’une radiothérapie pouvait permettre de prédire précocement la réponse au traitement. Les systèmes d’accélérateurs linéaires guidés par IRM, connus sous le nom de MR-linac, qui délivrent une radiothérapie permettent ce type de surveillance et de détection de modèles au sein de ces changements de volume.
Les chercheurs de Sylvester ont utilisé des outils analytiques et d’apprentissage automatique sophistiqués, notamment un modèle d’ajustement linéaire, pour tester leur théorie de prédiction sur une cohorte prospective de patients atteints de glioblastome subissant une chimioradiothérapie pour leur cancer.
« Le modèle a été entraîné pour prédire entre l’absence de progression, la pseudo-progression et la véritable progression, et les résultats ont été validés de manière croisée », a expliqué Kaylie Cullison, étudiante en médecine/doctorat qui mène ses recherches de doctorat au laboratoire Sylvester de Mellon, et est le premier auteur de l’étude. , et présentera les données à ASTRO 2023.
Sur les 28 patients analysés dans l’étude, 11 ne présentaient aucune croissance tumorale lors de la première IRM diagnostique après le traitement (pas de progression), cinq présentaient une pseudo-progression basée sur la stabilité à long terme des résultats de l’IRM et 12 présentaient une véritable progression déterminée par la poursuite de la tumeur. croissance au-delà de six mois, prélèvement de tissus montrant une malignité active ou une mort rapide.
Le modèle a atteint une précision globale de 86 % lors de la prédiction de trois classes de résultats (aucune progression, véritable progression et pseudo-progression) et une précision de 93 % lors de la prédiction entre l’absence de progression et tout type de progression.
« Nous avons identifié des modèles de comportement tumoral pendant le traitement qui indiquaient des différences dans les modèles de croissance entre la véritable progression et la pseudo-progression », a déclaré Mellon, co-responsable du groupe de neuro-oncologie des maladies du site de Sylvester, qui dirige de nombreux essais cliniques sur les tumeurs cérébrales. « Ces changements de volume pendant le traitement peuvent être des marqueurs précoces de la réponse au traitement. »
Les prochaines étapes, selon Mellon et Cullison, comprennent l’automatisation de la surveillance des tumeurs en temps réel en utilisant une solution d’apprentissage en profondeur pour la délimitation des volumes sur les analyses de traitement quotidiennes.
Leur autre étude, menée simultanément à celle ci-dessus, visait à déterminer la valeur prédictive des caractéristiques radiomiques delta hebdomadaires extraites des systèmes MR-linac utilisés pour traiter les patients atteints de glioblastome.
Alors que la radiomique se concentre sur les caractéristiques quantitatives extraites des images médicales pour établir une corrélation avec diverses caractéristiques biologiques et paramètres cliniques pour le diagnostic, le pronostic et les décisions cliniques du cancer, la radiomique delta étend cette analyse en examinant la variation des caractéristiques à différents moments, généralement avant et après le traitement.
Dans ce cas, cependant, les points temporels d’acquisition étaient pendant thérapie. Les chercheurs de Sylvester ont déployé un apprentissage automatique supervisé avec un modèle de classification sophistiqué pour prédire les véritables résultats de la progression ou de la pseudo-progression. Leur modèle comprenait 41 variables – 39 caractéristiques de texture tumorale plus le volume des lésions et l’intensité moyenne des lésions – par point temporel pour générer les prédictions.
Parmi les 10 caractéristiques les plus pronostiques, 90 % se sont produites à un stade précoce, ce qui suggère que des changements pronostiques dans le microenvironnement tumoral sous-jacent se produisent au cours des 15 premières séances de traitement (ou première moitié du traitement).
« Nos résultats soutiennent la théorie selon laquelle les caractéristiques radiomiques delta de la radiothérapie MR-linac peuvent prédire la réponse au traitement. pendant thérapie, qui est plus précoce que les méthodes actuelles », a conclu Mellon. « Et cela permettrait aux médecins d’intensifier le traitement actuel pour les patients qui répondent mal.
Mellon et Cullison affirment que les recherches futures devraient inclure une plus grande cohorte de patients et l’utilisation de systèmes MR-linac avec IRM multiparamétrique pour tester davantage la valeur pronostique du modèle.
