Développement d’un nomogramme radiomique personnalisé basé sur un scanner pour la différenciation préopératoire entre tumeurs stromales gastriques et léomyomyomes gastriques

Résumé

Un nomogramme radiomique basé sur un scanner a été développé pour différencier avec précision les tumeurs stromales gastriques des léiomyomes gastriques, permettant un diagnostic préopératoire non invasif et individualisé avec de fortes performances prédictives.

Résumé

Ce protocole décrit le développement et la validation d’une nomogramme radiologique basée sur tomodensitométrie (CT) pour la différenciation préopératoire non invasive des tumeurs stromales gastriques (GIST) et des léiomyomes gastriques (GLM), deux lésions sous-muqueuses gastriques avec des stratégies thérapeutiques distinctes et des implications pronostiques. Une cohorte rétrospective de 172 patients présentant des GIST ou GLM confirmés de façon pathologique, ayant subi un scanner amélioré par contraste dans les 30 jours précédant l’opération, a été analysée. Les patients ont été assignés au hasard à une cohorte d’entraînement (n = 120) et à une cohorte de validation (n = 52). Les variables démographiques, les caractéristiques morphologiques CT et les caractéristiques radiomiques quantitatives extraites de régions d’intérêt délimitées manuellement ont été évaluées de manière systématique. La sélection des caractéristiques a été réalisée en utilisant la régression minimale absolue et l’opérateur de sélection (LASSO) avec validation croisée. Le modèle prédictif final incorporait l’âge, la localisation de la tumeur, le motif d’amélioration et la NGLDM_Busyness de caractéristiques radiomices, qui reflète l’hétérogénéité de la texture intratumorale. Ces variables ont été intégrées pour construire un nomogramme individualisé à usage clinique. La performance du modèle a été évaluée à l’aide d’analyses des caractéristiques de fonctionnement du récepteur, des courbes d’étalonnage et de l’analyse des courbes de décision. Le nomogramme a démontré une forte capacité discriminatoire, une bonne calibration et une utilité clinique favorable tant dans les cohortes de formation que de validation, ce qui soutient sa valeur potentielle en tant qu’outil non invasif pour un diagnostic préopératoire individualisé.

Introduction

Les tumeurs stromales gastriques (GIST), qui sont les tumeurs gastriques sous-muqueuses (TSM) les plus courantes, ont tendance à être considérées comme potentiellement malignes quelle que soit leur taille, celles présentant un parcours clinique malin représentant environ 10 % à 30 % des^{cas 1,2}. Selon la classification^{consensuelle 3} du NIH, le risque clinique de malignité des GIST augmente progressivement dans toutes les strates : très faible, faible, intermédiaire et élevé, définis par la taille tumorale et le nombre de mitotiques. Un diagnostic précoce et une résection chirurgicale précoce sont recommandés pour les patients présentant un^{GIST 4}. En revanche, en tant que néoplasme bénin avec une rare probabilité de métastase et apparemment les tumeurs myogéniques les plus fréquentes des TMS gastriques, les léiomyomomes gastriques (GLM) nécessitent une observation conservatrice ou des traitements mini-invasifs au lieu d’une chirurgie, sauf dans les cas où les lésions sont supérieures à 5^{cm 5,6}. Il est donc très important de distinguer les GIST des GLM de plus petits que 5 cm en raison de leurs implications thérapeutiques et pronostiques substantiellement différentes. Cette distinction est particulièrement difficile pour les petites lésions, car elles partagent souvent des caractéristiques d’imagerie qui se chevauchent et manquent de symptômes cliniques^{définitifs 7,8}.

L’aspiration par aiguille fine guidée par échographie endoscopique (EUS-FNA), en tant que technique la plus avancée pour l’identification préthérapeutique des SMT gastriques, a prouvu un diagnostic pathologique sûr et précis des^{GIST 7}. Malheureusement, la capacité de l’EUS-FNA à prélever des échantillons de tissu est très limitée, ce qui semble réduire la précision de son^{diagnostic 9}. De plus, la technique est considérée comme invasive. La tomodensitométrie est considérée comme un outil d’imagerie optimal et économique pour le diagnostic préopératoire des tumeurs du tube^{digestif 10}. Cependant, différencier les GIST des GLM avant l’opération reste difficile, compte tenu de la complexité de leurs symptômes cliniques similaires et de la présence de CT¹⁰.

La radiomique représente un outil prometteur capable d’extraire automatiquement des caractéristiques d’imagerie quantitative à partir d’images radiographiques, permettant la quantification objective de l’hétérogénéité des^{tumeurs 11}. Dans des études antérieures, des modèles radiomique ont été développés principalement pour la stratification du risque des GIST basés sur la tomodensitométrie ou l’IRM, démontrant leur potentiel dans l’évaluation du potentiel^malin 12,13,14. Cependant, les études portant spécifiquement sur le diagnostic différentiel entre les GIST et les GLM restent relativement rares. À ce jour, aucune nomogramme radiomique basée sur le scanner n’a été développée pour la différenciation préopératoire des GIST des GLM. Par conséquent, cette étude construit un nomogramme préopératoire de prédiction utilisant les caractéristiques morphologiques des images CT et des paramètres radiomiques pour répondre aux défis mentionnés ci-dessus.

Protocole

Cette recherche a été approuvée par le comité d’éthique de l’hôpital (numéro de protocole : 1612167-18). Compte tenu du caractère rétrospectif de l’étude, l’exigence de consentement éclairé a été levée. Des patients atteints de tumeurs stromales gastriques (GIST) ou de léiomyomyomes gastriques (GLM) ont été identifiés à partir des dossiers institutionnels entre janvier 2017 et juillet 2022, tous avec confirmation pathologique postopératoire. Les réactifs et l’équipement utilisés sont listés dans le tableau des matériaux.

1. Détails du patient

Les patients éligibles sont inscrits s’ils remplissent les critères suivants : (1) lésions gastriques d’un diamètre maximal ≤5 cm ; (2) disponibilité d’un diagnostic pathologique complet ; (3) subir une chirurgie radicale avec intention curative ; et (4) avoir subi un scanner amélioré avec contraste dans les 30 jours précédant l’opération. Les patients présentant des antécédents de tumeurs malignes ou de traitements préopératoires ont été exclus. Ainsi, 110 patients atteints de GIST et 62 atteints de GLM ont été inscrits dans la présente étude. Un organigramme de population a été démontré (Figure 1). Un total de 172 patients (110 GIST, 62 GLM ; 82 hommes, 90 femmes) ont été inclus, avec un âge moyen de 55,05 ± 12,42 ans (fourchette : 22-79 ans). Les patients ont été assignés aléatoirement à un ensemble d’entraînement (n = 120) et à un ensemble de validation (n = 52) en utilisant une randomisation simple sans stratification. Les données démographiques de référence sont résumées dans le tableau 1.

2. Analyse d’images CT

La tomodensitométrie dans la présente étude a été réalisée sur des scanners à 64 tranches. Chaque patient devait jeûner pendant au moins 6 heures. Environ 30 minutes avant le scanner, chaque patient a reçu l’instruction d’ingérer par voie orale 500 à 800 mL d’eau du robinet, et 1000 mL d’eau a été demandé immédiatement avant le scanner pour distendre l’estomac. Tous les patients de l’étude étaient placés en position couchée pour prévenir les artefacts causés par l’air dans l’estomac, tout en veillant à ce que toutes les zones de la lésion soient couvertes. Les patients ont été informés de l’exposition aux radiations ionisantes dans le cadre de la procédure d’imagerie clinique. Avant l’administration du produit de contraste, des contre-indications au milieu de contraste iodé, y compris les allergies connues et l’insuffisance rénale (eGFR <30 mL/min/1,73 m²), ont été dépistées. Les patients ont été surveillés pendant au moins 15 minutes après l’injection pour détecter des réactions indésirables aiguës. Un algorithme de reconstruction standard a apparemment été utilisé, et le procédé de balayage suivait strictement ces spécifications : tension tubulaire de 120 kV ; courant tubulaire de 250-300 mA ; Épaisseur et intervalle de tranche de 1,5 mm. Un grain de reconstruction des tissus mous (B30f) a été utilisé. Par la suite, lors du processus de balayage amélioré, 80 à 120 mL d’agent de contraste iodé a été administré, avec un débit d’injection intraveineuse de 3,0 mL/s. Les phases artérielles, portales et retardées doivent être collectées environ 30 s, 60 s et 120 s après l’injection. Pour l’analyse radiomique, les images ont été prétraitées par rééchantillonnage à une taille isotrope de voxel de 1,5 × 1,5 × 1,5 mm³ et par discrétisation à intensité à l’aide d’une largeur de bins fixe de 25 unités de Hounsfield (HU).

3. Extraction des caractéristiques radiomiques

En ce qui concerne les caractéristiques radiomiques, le logiciel LIFEx (version 4.90 ; www.lifexsoft.org) a été utilisé pour extraire des caractéristiques de la région d’intérêt (ROI). Toutes les régions d’intérêt ont été délimitées uniquement sur des images CT en phase veineuse porte, qui ont été sélectionnées pour une analyse radiomique afin d’assurer la cohérence et la stabilité des caractéristiques. Pour chaque patient, le ROI a été délimité sur toutes les tranches contenant la lésion dans le plan transversal, avec des vues sagittale et coronale pour assurer une couverture volumique précise (Figure 2). Les ROI ont été prélevés indépendamment par deux radiologues sans consensus lors de la segmentation initiale afin de permettre une évaluation de la reproductibilité. Le ROI représentait un contour bidimensionnel (2D) à tranche unique, et non un volume tridimensionnel. Toutes les zones tumorales ont été incluses lors de la délimitation des ROI, et les calcifications ont été exclues en fonction des seuils de densité dans le logiciel LIFEx. Un contrôle de la qualité visuelle a été réalisé afin d’assurer une distension gastrique adéquate et l’inclusion complète de la lésion dans le ROI. Des coefficients de corrélation intra- et interclasses (ICC) ont été calculés pour évaluer la reproductibilité de l’extraction de caractéristiques radiomiques ; les caractéristiques avec ICC > 0,75 ont été conservées. Grâce à l’algorithme automatique du logiciel LIFEx, 37 caractéristiques radiomiques ont été obtenues : 5 paramètres d’histogramme, 7 paramètres de matrice de cooccurrence à niveaux de gris (GLCM), 11 paramètres de matrice de longueur de course à niveaux de gris (GLRLM), 3 paramètres de matrice de différence de niveau de gris de voisinage (NGLDM), et 11 paramètres de matrice de longueur de zone à niveaux de gris (GLZLM). L’extraction des caractéristiques s’est faite via le menu : Segmentation → Radiomics → Compute. Le prétraitement d’image comprenait le rééchantillonnage à une taille isotrope de voxel de 1,5 × 1,5 × 1,5^{mm 3} et la discrétisation d’intensité utilisant une largeur de bin fixe de 25 unités de Hounsfield (HU). Aucune mise à l’échelle ou normalisation des caractéristiques n’a été appliquée avant la modélisation.

4. Statistiques

Les analyses statistiques ont été réalisées à l’aide du logiciel R (version 3.6.0 ; https://www.r-project.org). Les variables continues ont été comparées entre groupes à l’aide de tests t indépendants ; Les variables catégoriques ont été évaluées avec des tests χ². Une valeur P bilatérale < 0,05 était considérée comme statistiquement significative.

5. Établissement du nomogramme de prédiction

L’analyse univariée a été réalisée en utilisant la corrélation de Pearson avec les caractéristiques démographiques de crib, morphologiques et radiomiques du scanner pour l’association avec le diagnostic (GIST vs. GLM). La modélisation multivariée utilisait la régression de l’opérateur de réduction absolue et de sélection (LASSO) mise en œuvre via le package glmnet (fonction cv.glmnet) avec une validation croisée de 10^{fois 15}. Le paramètre de régularisation optimal λ a été choisi à lambda.1se pour favoriser un modèle plus parcimonieux. Les prédicteurs finaux, âge, localisation de la tumeur, schéma d’amélioration et NGLDM_Busyness, ont été combinés linéairement en utilisant leurs coefficients respectifs pour générer un score de prédiction (Prescore). Parmi toutes les caractéristiques radiomiques extraites, seules NGLDM_Busyness ont conservé un coefficient non nul après la pénalisation du LASSO, ce qui suggère que d’autres caractéristiques radiomiques étaient soit redondantes, soit apportaient une valeur discriminatoire supplémentaire limitée. Un nomogramme a été construit à partir du modèle multivarié utilisant la fonction nomogramme du package rms.

6. Efficacité de la prédiction et validation du nomogramme

La performance prédictive a été évaluée en utilisant la zone sous la courbe caractéristique de fonctionnement du récepteur (AUC), la sensibilité, la spécificité et la précision dans les cohortes d’entraînement et de validation. L’étalonnage a été évalué par un rééchantillonnage bootstrap (1000 itérations) et un test de bonté d’ajustement Hosmer-Lemeshow ; Les courbes d’étalonnage étaient tracées en conséquence. Une valeur P < 0,05 indiquait un écart significatif par rapport à l’étalonnage idéal. L’indice de concordance (indice C) a été utilisé pour quantifier la fiabilité discriminative. L’utilité clinique a été évaluée par analyse de la courbe de décision (DCA).

Résultats

Caractéristiques démographiques et cliniques
Un total de 172 patients présentant des tumeurs sous-muqueuses gastriques (110 GIST, 62 GLM) ont été inclus. Les caractéristiques démographiques et cliniques sont résumées dans les Tables 1, 2 et 3. Cette analyse visait à identifier les différences de référence entre les GIST et les GLM afin d’éclairer le développement ultérieur du modèle. Les GIST étaient plus susceptibles d’apparaître dans le corps gastri...

Discussion

La distinction entre les tumeurs stromales gastro-intestinales (GIST) et les léioomyomes gastriques (GLM) est cliniquement importante car elle influence directement les décisions thérapeutiques et les résultats des patients. Un nomogramme a été développé et validé comme un nomogramme prédictif qui intègre une caractéristique démographique (âge), deux signes de scanner (localisation et schéma d’amélioration) et un paramètre radiomique (NGLDM_Busyness). Ce modèle peut être facilement appli...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Scanner CT à contraste amélioré	Siemens Healthineers	Définition SOMATOM AS+	scanner CT 64 tranches ; typique dans les hôpitaux tertiaires chinois de 2017 à 2022. Paramètres de balayage : 120 kV, 250 & ndash ; 300 mA, épaisseur de tranche de 1,5 mm, grain B30f.
Package glmnet (R)	CRAN	Version 4.0 (compatible avec R 3.6.0)	Régression LASSO avec validation croisée à 10 ans.
Agent de contraste iodré	Bayer AG	Ultravist 370 (Iopromide 370 mg I/mL)	Administrée en perfusion à 80 & ndash ; 120 mL, 3,0 mL/s. Agent de contraste non ionique largement utilisé en Chine pour le scanner abdominal.
Logiciel LIFEx	www.lifexsoft.org	Version 4.90	Utilisé pour l’extraction de caractéristiques radiomiques à partir des ROI CT.
Logiciel R	La Fondation R	Version 3.6.0	Pour l’analyse statistique et la modélisation (https://www.r-project.org).
Package RMS (R)	CRAN	Versions 5.1-4 (compatible avec R 3.6.0)	Construction et calibration du nomogramme.