Le cancer du poumon non à petites cellules (CBNPC), principale cause de décès par cancer dans le monde, présente une forte hétérogénéité tumorale, source de résistance aux traitements. L'imagerie est essentielle pour le diagnostic et la stratification des patients mais elle présente des limitations. Des méthodes avancées d'extraction de paramètres à partir d'images cliniques standards (la radiomique) sont en court d'évaluation, mais présentent comme limite l'exploitation de données dont les informations structurelles et fonctionnelles restent intrinsèquement très limitées. Dans ce contexte, l'imagerie quantitative multiparamétrique TEP/IRM offre des possibilités uniques de caractérisation tissulaire et fonctionnelle des tumeurs au niveau régional intra tumoral.
En tirant profit des capacités multiparamétriques uniques du dispositif TEP/IRM du SHFJ, un protocole d'imagerie TEP/IRM multiparamétrique dynamique simultanée a été développé et appliqué prospectivement à 11 patients atteints de CBNPC histologiquement prouvés. Pour chaque tumeur, 12 cartes paramétriques tumorales ont été générées, incluant la modélisation cinétique complète du métabolisme glucidique (TEP), la cellularité via le coefficient de diffusion apparent (IRM de diffusion), les propriétés magnétiques tissulaires (relaxométrie T1/T2 en IRM) et la modélisation cinétique complète de la vascularisation tumorale (IRM de perfusion). Un partitionnement statistique (modèle de mélange gaussien) a été appliqué sur l'ensemble des données pour identifier des groupes de voxels-supervoxels présentant des caractéristiques multidimensionnelles TEP et IRM similaires. Un algorithme d'apprentissage machine supervisé (eXtreme Gradient Boosting, XGBoost) a été finalement entrainé et validé sur les données (caractéristiques multidimensionnelles en entrées et supervoxels correspondant en sorties, 10 validations croisées) pour identifier les caractéristiques multidimensionnelles TEP/IRM dominantes de ces supervoxels à l'échelle du groupe et de chaque tumeur.
Le partitionnement statistique appliqué à l'ensemble des données (17 316 voxels) a révélé 3 groupes principaux de voxels partageant les mêmes caractéristiques multidimensionnelles définies par les 12 paramètres structurels et fonctionnels TEP/IRM. Sur les 12 paramètres TEP/IRM, 4 paramètres cliniquement pertinents (métabolisme et perfusion/ vascularisation) ont prédit les caractéristiques globales des supervoxels avec une précision de 97%.
Schéma du haut : pour toutes les tumeurs, les données multiparamétriques TEP/IRM sont partitionnées statistiquement (modèle de mélange gaussien) de manière à identifier des groupes de voxels présentant les mêmes caractéristiques multidimensionnelles (supervoxels). Une réduction dimensionnelle par apprentissage machine supervisé permet d'identifier finalement les paramètres multimodaux les plus pertinents caractérisant ces supervoxels.
Image du bas : à partir d'une acquisition TEP/IRM multiparamétrique dynamique simultanée d'une tumeur, 12 cartes sont générées. Ces cartes reflètent différentes caractéristiques régionales structurelles et fonctionnelles de la tumeur. Le partionnement statistique permet de structurer la tumeur en 3 méta-régions / supervoxels, définis par les caractéristiques multidimensionnelles de la tumeur.
(© Florent Besson, BioMaps/SHFJ/CEA)
En conclusion, l'approche quantitative TEP/IRM multiparamétrique dynamique simultanée est cliniquement réalisable pour caractériser le comportement biologique complexe des tumeurs. Cette preuve de concept appliquée au CBNPC devrait ouvrir de nouvelles perspectives en médecine de précision basée sur l'image.
Contact : Florent Besson (florent.besson@aphp.fr)
Affiliations des principaux collaborateurs de l'étude :
- Université Paris-Saclay, CEA, CNRS, Inserm, BioMaps, SHFJ, Orsay ;
- École de médecine, AP-HP, CHU Bicêtre, Le Kremlin-Bicêtre ;
- GE Healthcare ;
- Laboratoire de Mathématiques d'Orsay, CNRS, Université Paris-Saclay, Orsay ;
- Inserm UMRS999, Hôpital Marie Lannelongue, Le Plessis-Robinson ; Hôpitaux Universitaires Paris-Saclay, AP-HP ;
- Institut d'Oncologie Thoracique, Gustave Roussy, Université Paris Saclay, Villejuif