Le grade du cancer de la vessie (CV) est principalement déterminé sur base de la cystoscopie et de l’examen anatomopathologique, mais d'autres méthodes sont nécessaires pour mieux le préciser au stade préopératoire, ce qui peut raccourcir de manière significative le parcours diagnostique et thérapeutique.
Avec ou sans produit de contraste, le CT-scan permet d’examiner la vessie à la recherche de tumeurs. En version non améliorée (CT-NA), il présente l'avantage d'être moins coûteux, de ne pas nécessiter d'injection et de ne pas provoquer de réactions liées à une allergie au produit de contraste. Cependant, le CT-NA peut entraîner une mauvaise qualité d'image, une difficulté à distinguer les lésions des tissus normaux et une incapacité à détecter certaines lésions.
L'IRM permet de pallier les insuffisances de la tomodensitométrie. Il a également été démontré que la méthode radiomique (1) multiparamétrique basée sur l'IRM pouvait être utilisée comme outil d'imagerie pour évaluer le grade pathologique du CV en préopératoire. Néanmoins, le niveau d’équipement en CT-scan est plus élevé que celui de l'IRM, en particulier dans les pays du tiers-monde. Des chercheurs ont donc tenté de développer un modèle radiomique basé sur des images de CT-NA et combinant plusieurs caractéristiques cliniques, dans le but de délivrer une bonne prédiction préopératoire du grade du CV.
Les données tomodensitométriques, cliniques et pathologiques de 105 patients atteints de CV ont été évaluées rétrospectivement. La cohorte de l'étude comprenait 44 CV de bas grade et 61 CV de haut grade. Les sujets ont été répartis au hasard en cohortes de formation (n = 73) et de validation (n = 32) dans un rapport de 7:3.
Les caractéristiques radiomiques ont été extraites des images de CT-NA. Au total, 15 caractéristiques représentatives ont été identifiées grâce à l'algorithme LASSO (least absolute shrinkage and selection operator). Sur base de ces caractéristiques, plusieurs modèles d’apprentissage automatique (deep learning) ont été conçus.
Les auteurs estiment avoir identifié le modèle le plus intéressant: un nomogramme combinant la signature radiomique et des variables cliniques sélectionnées a permis de prédire avec un bon niveau de précision le grade du CV en préopératoire. Dans la cohorte d'entraînement, l’aire sous la courbe de ce modèle était de 0,919, contre 0,854 dans la cohorte de validation.
(1) La radiomique est une nouvelle méthode radiologique non invasive qui extrait et applique des données dans un système d'aide à la décision. Plusieurs études ont montré que cette méthode de prédiction du grade du CV pourrait être utilisée comme alternative à l'analyse qualitative de l'IRM ou du scanner, et qu’elle peut identifier des informations invisibles pour l'œil humain.
