Peut-on deviner le type histologique du cancer primitif en regardant la métastase cérébrale ? Analyse radiomique par IRM et machine-learning appliqués aux cancers primitifs bronchiques et mélanomateux

Introduction et but de l’etude L’analyse radiomique par machine-learning des metastases cerebrales pour predire l’histologie de la tumeur primitive presente des perspectives prometteuses, mais reste peu exploree. Materiel et methodes Entre 2012 et 2018, 122 patients pris en charge au CHU de Bordeaux par radiotherapie pour des metastases cerebrales secondaires de cancer primitifs bronchiques non a petites cellules (54 %), renaux (11 %) ou de melanomes (35 %) ont ete inclus. A partir d’IRM en sequence T1 avec injection de produit de contraste, 161 metastases cerebrales ont ete segmentees manuellement. Apres la normalisation par differentes methodes de re-echantillonnage (taille des voxels, echelle de niveaux de gris), 38 indices de texture ont ete extraits puis une association a ete recherchee entre le modele radiomique et le type histologique. Enfin, deux algorithmes de machine-learning, reseau neuronal artificiel et foret aleatoire, ont ete compares pour tester leur capacite diagnostique a distinguer les cancers primitifs bronchiques non a petites cellules des melanomes. Resultats et analyse statistique Une heterogeneite des valeurs d’indices a ete observee selon les methodes de re-echantillonnage, et plusieurs traits radiomiques ont significativement ete associees a l’histologie en analyse unifactorielle. L’algorithme de foret aleatoire, tenant compte des 38 indices radiomiques, a ete plus predictif (receiver operating characteristic -area under curve [ROC-AUC] : 0,85, exactitude de prediction de 75 %) que le reseau neuronal artificiel (AUC : 0,66, exactitude 59 %). L’ajout du sexe et de l’âge des patients dans le modele a permis une amelioration de la performance (AUC respectives de 0,89 et 0,75, avec une exactitude de 75 % et 68 %). Conclusion L’analyse radiomique de metastases cerebrales sur l’IRM en sequence T1 apres injection de produit de contraste par l’algorithme de foret aleatoire semble prometteuse quant a la discrimination des types histologiques de cancers primitifs bronchiques non a petites cellules et de melanomes. Elle pourrait orienter la prise en charge de metastases cerebrales isolees ou en cas de cancers primitifs simultanes differents. Ces resultats preliminaires restent a confirmer par une etude multicentrique et sur d’autres types histologiques, et avec une methodologie plus robuste.