L’analyse IRM basée sur l’IA offre de nouvelles informations sur le pronostic du cancer de la prostate, en prédisant avec précision le risque de métastases et les résultats du traitement pour améliorer les soins aux patients.
Étude: Volume tumoral dérivé de l'IA à partir de l'IRM multiparamétrique et résultats dans le cancer de la prostate localisé. Crédit d’image : Shutterstock AI/Shutterstock.com
Dans une étude récente publiée dans Radiologiedes chercheurs déterminent si la mesure du volume tumoral à l'intérieur de la prostate à l'aide de données d'imagerie par résonance magnétique (IRM) basées sur l'intelligence artificielle (IA) pourrait prédire les résultats, y compris le risque de métastases, pour les patients atteints d'un cancer de la prostate qui ont été traités par radiologie ou par chirurgie.
Sommaire
Les progrès de l’IRM transforment la détection et le diagnostic du cancer de la prostate
L'IRM multiparamétrique combine plusieurs techniques d'IRM pour créer des images détaillées de l'anatomie interne. Cette technologie d'imagerie a transformé la prise en charge du cancer de la prostate en améliorant la détection des cas graves tout en minimisant le taux de détection des maladies insignifiantes. Les biopsies guidées par IRM améliorent également considérablement la précision des diagnostics de cancer.
Diverses caractéristiques du cancer de la prostate sont observées à l'IRM, dont certaines incluent les scores du système de reporting et de données d'imagerie de la prostate (PI-RADS), les scores des lésions et le stade radiologique T, ce dernier indiquant dans quelle mesure la tumeur s'est propagée dans la prostate. . L'analyse de ces caractéristiques peut indiquer les taux de récidive potentiels du cancer de la prostate ; cependant, l'évaluation de ces caractéristiques varie selon les observateurs. Différents systèmes de classification des tumeurs sont associés à des précisions différentes, ce qui complique encore davantage la cohérence du diagnostic.
L’utilisation de l’IA pourrait améliorer la valeur clinique des IRM en fournissant une analyse cohérente des images. Des études récentes sur des modèles d’apprentissage profond ont indiqué des niveaux de précision comparables à ceux des radiologues expérimentés dans la définition des tumeurs de la prostate.
À propos de l'étude
L'étude actuelle visait à déterminer si les calculs des volumes tumoraux à l'aide d'approches basées sur l'IA peuvent fournir des informations pronostiques indépendantes pour les patients atteints d'un cancer de la prostate ayant déjà subi une intervention chirurgicale ou une radiothérapie. Ces résultats ont ensuite été comparés à ceux obtenus à partir d’évaluations IRM standard.
Cette étude rétrospective incluait des patients atteints d'un cancer de la prostate ayant subi une IRM avant de subir une prostatectomie radicale ou une radiothérapie. Les données des patients ont été recueillies à partir des dossiers médicaux et comprenaient des informations cliniques, pathologiques et thérapeutiques, y compris la classification de la tumeur basée sur les scores PI-RADS et National Comprehensive Cancer Network (NCCN).
L’échec biochimique est une augmentation des taux d’antigène prostatique spécifique (PSA) après des traitements comme une prostatectomie radicale ou une radiothérapie. Pour la présente étude, l'échec biochimique a été défini comme une augmentation des concentrations de PSA d'au moins deux ng/mL au-dessus du niveau le plus bas post-traitement pour la radiothérapie, et une progression clinique ou une augmentation du PSA d'au moins 0,1 ng/mL en cas de prostatectomie radicale. .
Les segmentations de référence ont été créées manuellement par un radio-oncologue génito-urinaire, qui a délimité les régions de la prostate telles que les zones translationnelles et périphériques et les lésions avec des scores PI-RADS de trois à cinq.
Le modèle d'IA nnU-Net, une méthode de segmentation basée sur l'apprentissage profond, a été formé pour délimiter les régions de la prostate et les tumeurs à partir de différentes séquences IRM. Le modèle a ensuite été validé à l’aide d’un sous-groupe d’images de patients ayant reçu une radiothérapie avant d’être testé sur des images provenant à la fois de groupes de radiothérapie et de prostatectomie radicale. Les volumes de tumeurs basés sur l'IA ont ensuite été calculés et comparés aux volumes de référence générés pour les segmentations manuelles.
Pour les analyses statistiques, des comparaisons de base entre les groupes de validation croisée et de test de radiothérapie ont été effectuées respectivement par la somme des rangs de Wilcoxon et les tests exacts de Fisher pour les variables continues et les données catégorielles. La sensibilité et les valeurs prédictives positives ont été utilisées pour évaluer l’exactitude du modèle d’IA dans la détection des tumeurs.
Résultats de l'étude
Le volume total de tumeur intraprostatique calculé à partir de segments générés par le modèle d'IA nnU-Net (VIA) était un prédicteur indépendant et puissant des résultats pour les patients atteints d'un cancer de la prostate localisé ayant subi soit une radiothérapie, soit une prostatectomie radicale. En fait, les volumes prédits par l’IA étaient significativement associés aux métastases et à l’échec biochimique.
Pour le groupe de radiothérapie, VIA avaient une précision prédictive plus élevée pour les métastases sur sept ans par rapport aux groupes à risque traditionnels. De plus, les informations pronostiques fournies par VIA était comparable au volume de la tumeur intraprostatique à partir de segmentations de référence manuelles, indiquant ainsi la cohérence de ses résultats et sa fiabilité en tant qu'outil de prédiction des résultats pour les patients. Bien que l'algorithme d'IA ait parfois manqué des lésions avec des scores PI-RAD de cinq, VIA est resté sensible à une charge de morbidité cliniquement significative.
La capacité de nnU-Net à prédire les métastases à l'aide de VIA était égal ou supérieur à celui des biomarqueurs émergents de pathologie génomique ou informatique. Ainsi, cet outil d’IA a le potentiel d’améliorer la planification du traitement en identifiant les patients qui pourraient nécessiter des approches thérapeutiques plus personnalisées ou plus agressives.
Conclusions
VIA semble être une approche cohérente et prometteuse pour prédire le pronostic des cas de cancer de la prostate localisé après que les patients ont subi une prostatectomie radicale ou une radiothérapie.
La précision de VIA dans différentes conditions d’imagerie et sa solide capacité prédictive met en évidence son potentiel en tant que complément, voire alternative, aux méthodes traditionnelles de prédiction du pronostic radiologique ou clinique.
