Développement et validation interne d’un modèle de prédiction de la récurrence biochimique après une prostatectomie radicale

Summary

Cette étude rétrospective a développé et validé en interne un modèle prédictif de la récidive biochimique après prostatectomie radicale chez 240 patients. Le stade pathologique, la métastase ganglionnaire, la tomographie par émission de positons – lésions positives et le SUV_max étaient des prédicteurs indépendants. Le modèle a démontré une forte discrimination, calibration et utilité clinique pour la stratification du risque postopératoire.

Abstract

Cette étude visait à développer et valider un modèle prédictif de la récidive biochimique (BCR) après une prostatectomie radicale chez des patients atteints d’un cancer de la prostate, intégrant des paramètres cliniques, pathologiques, inflammatoires et de la tomographie par émission de positons/tomodensitométrie (PET/CT) 18F-PSMA-1007. Cette étude rétrospective a inclus 240 patients atteints d’adénocarcinome de la prostate confirmé histopathologiquement qui ont subi une prostatectomie radicale entre juin 2022 et juillet 2025. La BCR a été définie comme un antigène prostatique spécifique au séric postopératoire (≥0,2 ng/mL). Les variables cliniques préopératoires, l’indice d’inflammation immunitaire systémique (SII), le statut de la lésion TEP/CT et la valeur maximale standardisée d’absorption (SUV_max) ont été collectées, ainsi que la stadification pathologique postopératoire. Les patients ont été divisés en groupes BCR (n = 64) et non-BCR (n = 176). Les analyses de régression logistique univariée et multivariée ont identifié des prédicteurs indépendants de la BCR. Un modèle prédictif multivarié a été développé et validé en interne en utilisant une répartition entraînement-validation 70/30. La performance du modèle a été évaluée à l’aide des courbes caractéristiques de fonctionnement du récepteur, de l’aire sous la courbe (AUC), de l’étalonnage et de l’analyse de la courbe de décision. Les patients atteints de BCR présentaient un stade pathologique plus avancé (pT3–4 : 96,9 % contre 52,3 %, p < 0,001), des taux de métastases ganglionnaires plus élevés (59,4 % contre 29,5 %, p < 0,001), des SII plus élevés (682,45 ± 118,23 ± 92,40, p = 0,002), et des valeurs_maximales plus élevées pour les SUV (6,59 ± 1,34 contre 4,92 ± 1,49, p < 0,001). L’analyse multivariée a identifié le stade pathologique (OR = 36,814, p < 0,001), l’état des ganglions lymphatiques (OR = 7,286, p < 0,001), le_{SUV max} (OR = 2,732, p < 0,001) et les lésions positives au PET (OR = 27,929, p < 0,001) comme prédicteurs indépendants de la BCR. Le modèle prédictif combiné a obtenu une excellente discrimination lors de la formation (AUC = 0,952) et des cohortes de validation (AUC = 0,927). Les courbes d’étalonnage ont montré un accord entre les résultats prédits et observés, et l’analyse de la courbe de décision a montré un bénéfice clinique net supérieur comparé aux stratégies traitées tout et traité non. Le modèle intégré démontre une excellente discrimination et une utilité clinique, soutenant une stratification individualisée du risque postopératoire.

Introduction

Le cancer de la prostate reste l’une des malignités les plus courantes touchant les hommes dans le monde, et la prostatectomie radicale représente une option de traitement clé pour les patients atteints de maladie^{localisée 1,2}. Malgré les améliorations des techniques chirurgicales et du choix des patients, la récidive biochimique (BCR) survient dans environ 20 % à 40 % des cas, indiquant une maladie persistante ou récurrente et un risque accru de métastases et de^{mortalité 2,3}. La prédiction précise de la BCR après prostatectomie reste difficile, nécessitant des outils pronostiques plus efficaces combinant des paramètres cliniques, immunologiques et d’imagerie avancée pour guider la surveillance postopératoire et les traitements adjuvants.

L’inflammation et les réponses immunitaires jouent un rôle essentiel dans la progression et la récidive tumorale. L’indice d’inflammation immunitaire systémique (SII), un nouveau biomarqueur inflammatoire calculé à partir des nombres périphériques de neutrophiles, lymphocytes et plaquettes, a démontré une signification pronostique dans divers cancers ^4,5,6. De plus, la tomographie par émission de positrons 18F-PSMA-1007/tomographie par ordinateur (PET/CT), une méthode d’imagerie membranaire spécifique à la prostate, a montré des prothèses pour détecter la récidive de la maladie plus tôt que les méthodes d’imagerie^{conventionnelles 7,8}, améliorant ainsi potentiellement le pronostic postopératoire. Cette approche intégrative va au-delà des modèles clinique-pathologiques conventionnels en incorporant à la fois des biomarqueurs inflammatoires systémiques et des paramètres avancés d’imagerie moléculaire. Contrairement aux outils établis de stratification du risque tels que le score CAPRA-S ou la classification D’Amico, qui reposent principalement sur des paramètres clinique-pathologiques de base, l’approche proposée intègre des indices inflammatoires systémiques dynamiques avec des résultats d’imagerie moléculaire fonctionnelle.

Cependant, la valeur clinique de l’intégration de marqueurs inflammatoires tels que la SII, le stadification tumorale pathologique et des modalités d’imagerie avancées, y compris le 18F-PSMA-1007 PET/CT, pour prédire la récidive du cancer de la prostate reste incertaine. Par conséquent, cette étude a visé à construire et à valider en interne un modèle prédictif complet pour la BCR après une prostatectomie radicale en combinant ces facteurs pour améliorer la stratification du risque, optimiser la prise en charge postopératoire et faciliter les stratégies d’intervention précoce. Cliniquement, ce modèle vise à aider les cliniciens à adapter des protocoles de surveillance personnalisés et à identifier les candidats à haut risque qui pourraient bénéficier d’interventions adjuvantes précoces ou d’un suivi intensif.

Protocol

Ce protocole d’étude a été examiné et approuvé par le Comité d’éthique du Premier Hôpital affilié de l’Université Médicale du Xinjiang conformément à la Déclaration d’Helsinki (Approbation n° : 230608-7). Le consentement éclairé a été levé pour cette étude rétrospective en raison de l’utilisation exclusive de données des patients désidentifiées, qui ne présentaient aucun préjudice ou impact potentiel sur les soins aux patients.

Conception de l’étude et sélection des patients
Cette étude rétrospective a inclus 240 patients atteints d’adénocarcinome de la prostate confirmé histopathologiquement qui ont subi une prostatectomie radicale entre juin 2022 et juillet 2025. Les patients ont été identifiés grâce à une recherche systématique du système de dossiers médicaux électroniques du premier hôpital affilié de l’Université médicale du Xinjiang. Une méthode d’échantillonnage consécutif a été employée pour minimiser le biais de sélection. Les patients ont été classés dans un groupe BCR (n = 64) et un groupe non-BCR (n = 176) en fonction des niveaux postopératoires d’antigène prostatique spécifique à la prostate (PSA), la BCR étant définie comme un taux de PSA sérique de ≥0,2 ng/mL confirmé par deux mesures consécutives. Les critères d’inclusion étaient les suivants : (1) adénocarcinome de la prostate confirmé histopathologiquement ; (2) prostatectomie radicale réalisée ; et (3) la disponibilité de données cliniques, pathologiques et d’imagerie complètes. Ces critères ont été appliqués indépendamment par deux chercheurs expérimentés (Yubin Li et Qizhou Zhang). Tout désaccord concernant l’éligibilité des patients a été résolu par discussion ou consultation avec un troisième chercheur principal. Les critères d’exclusion étaient : (1) score Gleason de <7 ; (2) la réception d’une thérapie hormonale préopératoire, de la chimiothérapie ou de la radiothérapie, ou de dossiers médicaux incomplets ; et (3) la réception d’une thérapie néoadjuvante, y compris la thérapie de privation androgénique, la chimiothérapie ou la radiothérapie, avant la TEP/CT ou la chirurgie. Les critères d’exclusion ont été appliqués de manière séquentielle. Les patients ayant reçu des thérapies néoadjuvantes ou préopératoires ont été exclus en premier, suivis des patients avec des scores Gleason de <7, puis enfin ceux dont les données clés manquent. Pour les patients remplissant plusieurs critères d’exclusion, la raison principale de l’exclusion a été documentée. Les patients dont les données cliniques, pathologiques ou d’imagerie manquantes ou incomplètes ont été exclus de l’analyse finale afin d’assurer la robustesse du modèle prédictif. Aucune méthode d’imputation de données n’a été appliquée en raison de la conception rétrospective de l’étude.

Collecte de données cliniques et pathologiques
Les données cliniques de base, incluant l’âge du patient, le score de Gleason, les niveaux de PSA sérique préopératoire, le stade tumoral pathologique, l’atteinte des ganglions lymphatiques et les détails du suivi postopératoire, ont été extraites rétroactivement des dossiers médicaux électroniques. L’extraction des données a été réalisée par un examen manuel des dossiers médicaux électroniques par deux enquêteurs indépendants à l’aide d’un formulaire standardisé de collecte de données afin d’assurer la cohérence. Toute divergence entre les deux chercheurs a été résolue par consensus ou par consultation avec un troisième chercheur principal qui a examiné les dossiers médicaux originaux. Le stadification tumorale pathologique a été classée selon la 8e édition du système de stadification TNM du Comité mixte américain sur le cancer. Les données de stadification ont été obtenues directement à partir des rapports de pathologie postopératoire originaux émis par le service de pathologie de l’hôpital. Pour garantir l’exactitude, tous les rapports pathologiques et lames représentatives ont été examinés en second plan par un uropathologiste expérimenté, aveugle aux résultats d’imagerie et aux résultats cliniques.

Indice d’inflammation immunitaire systémique (SII)
Des prélèvements préopératoires de sang périphérique ont été prélevés sur tous les patients. Des échantillons de sang ont été prélevés par ponction venébrale dans les 7 jours précédant l’opération. Tous les patients devaient jeûner pendant au moins 8 heures avant la collecte de l’échantillon afin d’assurer la stabilité de base. Les paramètres de laboratoire, y compris les comptages de neutrophiles, lymphocytes et plaquettes, ont été traités et analysés dans un laboratoire clinique centralisé unique de notre institution à l’aide d’analyseurs automatisés d’hématologie. L’IBI a été calculée à l’aide de l’équation suivante :

La valeur de seuil optimale pour l’SII a été déterminée à l’aide de l’analyse des caractéristiques opérationnelles (ROC) de r et de l’indice de Youden. La valeur de seuil était basée sur les données et dérivée de l’ensemble de l’ensemble des données à l’aide du package « pROC » dans le logiciel d’analyse statistique R (version 4.2.2). L’analyse ROC a été réalisée pour maximiser la sensibilité et la spécificité combinées, et le seuil obtenu a été utilisé pour classer les patients en groupes à ITS élevé et faible à IST.

Protocole et analyse d’imagerie PET/CT 18F-PSMA-1007
Tous les patients ont subi une imagerie préopératoire avec un PET/CT 18F-PSMA-1007 dans les quatre semaines précédant l’opération. Le calendrier de l’imagerie par rapport à la chirurgie a été standardisé, et les patients ayant un intervalle entre imagerie et chirurgie supérieur à 30 jours ont été exclus afin d’assurer la cohérence entre les résultats d’imagerie et le statut pathologique. L’imagerie a été réalisée après administration intraveineuse de 4,0 MBq/kg de 18F-PSMA-1007. Le radiotraceur a été synthétisé sur place à l’aide d’un cyclotron et d’un module de synthèse automatisé. Des procédures de contrôle qualité étaient effectuées avant chaque injection afin d’assurer une pureté radiochimique >95 %. Le dosage des radiotraceurs a été standardisé selon le poids corporel, et aucune déviation majeure de dosage n’a été enregistrée. Des examens TEP/CT ont été réalisés de la base du crâne jusqu’au milieu des cuisses environ 60 minutes après l’injection à l’aide d’un système dédié de PET/CT. Les scans ont été effectués à l’aide d’un scanner Discovery VCT PET/CT. Les paramètres d’acquisition du CT comprenaient 120 kV, la modulation automatique du courant de la lampe (150–200 mA) et une épaisseur de tranche de 3,0 mm. Les images PET ont été reconstruites à l’aide d’un algorithme de maximisation d’attente de sous-ensemble ordonné avec une matrice de 192 × 192 ou 256 × 256, intégrant des corrections de fonction de temps de vol et de dispersion ponctuelle.

Les images PET/CT ont été analysées indépendamment par deux médecins expérimentés en médecine nucléaire, aveugles aux résultats cliniques et pathologiques. L’accord entre observateurs a été évalué à l’aide du coefficient kappa de Cohen. Toute incohérence dans la localisation ou la catégorisation des lésions a été résolue par un examen consensuel ou une consultation avec un troisième médecin spécialisé en médecine nucléaire. L’analyse visuelle a classé les lésions comme positives (récidives locales, ganglions lymphatiques pelviens ou métastases lointaines) ou négatives. Les lésions ont été classées positives selon les critères d’évaluation standardisée de l’imagerie moléculaire du cancer de la prostate. Plus précisément, une captation focale des traceurs dépassant l’activité de fond environnante et non attribuable à une distribution physiologique (par exemple, activité de l’uretère ou de la vessie) a été considérée comme indicative de récidive ou de métastase. De plus, la valeur maximale standardisée d’absorption (SUV_max) des lésions suspectées a été enregistrée. Les régions d’intérêt étaient définies manuellement à l’aide d’un volume sphérique tridimensionnel englobant l’absorption focale sur les images PET. Chez les patients présentant plusieurs lésions, la lésion ayant la plus forte absorption a été sélectionnée pour la mesure du SUV_max . Des analyses quantitatives d’images ont été réalisées à l’aide du logiciel Advantage Workstation (version 4.7).

Suivi et définition de la récurrence biochimique
Le suivi comprenait des visites cliniques régulières tous les trois à six mois postopératoires, avec des mesures de PSA sérique. La durée totale du suivi pour l’ensemble de la cohorte variait de 8 à 19 mois. Les intervalles de suivi étaient généralement constants pour tous les patients. Pour les patients ayant manqué les visites prévues, les informations de suivi étaient mises à jour par entretiens téléphoniques ou par la revue des dossiers ambulatoires les plus récents disponibles dans notre établissement. Les patients ayant été perdus lors du suivi avant le seuil minimum de 6 mois ou avant la documentation d’un événement BCR ont été exclus de l’analyse finale afin de préserver l’intégrité des données. La BCR a été définie comme un taux de PSA sérique postopératoire de ≥0,2 ng/mL confirmé par deux mesures consécutives. Les mesures confirmatoires du PSA ont généralement été obtenues à intervalle de 4 à 8 semaines. Cette définition de la BCR a été appliquée de manière cohérente dans tout le manuscrit et a constitué le principal point d’arrivée du modèle prédictif.

Analyse des sous-groupes
Pour évaluer la robustesse du modèle prédictif et réduire les biais potentiels associés à des durées de suivi courtes, une analyse de sous-groupe a été réalisée chez les patients dont les suivis duraient >12 mois. Au total, 133 patients ont répondu à ce critère, tandis que 107 patients avec des suivis de ≤12 mois ont été exclus de l’analyse du sous-groupe. L’analyse de régression logistique multivariée a ensuite été réalisée dans ce sous-groupe en utilisant la même méthodologie statistique appliquée à l’analyse primaire.

Analyse statistique
Les variables continues étaient présentées comme médianes et plage, tandis que les variables catégorielles étaient exprimées en fréquences et pourcentages. La distribution des données a été évaluée à l’aide du test de Shapiro–Wilk. Les variables continues avec une distribution normale ont été présentées comme moyenne ± écart-type (DS) et comparées à l’aide du test t de Student. Les variables à distribution non normale ont été exprimées en médiane et en plage et comparées à l’aide du test U de Mann–Whitney. Les variables catégorielles ont été comparées à l’aide du test du chi carré ou du test exact de Fisher, selon le cas. Avant l’analyse, les hypothèses pour le test du chi-carré ont été vérifiées, y compris la confirmation qu’au maximum 20 % des cellules n’avaient des fréquences attendues <5. Lorsque ces hypothèses étaient violées, le test exact de Fisher était appliqué pour garantir la validité statistique.

Un modèle de régression logistique multivariée a été développé pour prédire la BCR, incorporant des facteurs cliniquement pertinents tels que le SII, LE PET/CT_{SUV max}, la positivité par imagerie et le stade pathologique de la tumeur. Les variables avec des valeurs p <0,05 dans l’analyse univariée, ainsi que les variables considérées comme cliniquement pertinentes selon la littérature antérieure, ont été saisies dans le modèle multivarié. La multicolinéarité entre les prédicteurs a été évaluée à l’aide du facteur d’inflation de variance, les valeurs de <5 étant considérées comme acceptables.

La validation interne du modèle prédictif a été réalisée à l’aide d’une méthode de répartition train–test 70/30. L’ensemble de données a été divisé de manière aléatoire en cohortes d’entraînement (70 %) et de test (30 %) utilisant un échantillonnage stratifié pour préserver la répartition des événements BCR entre les deux cohortes. Une graine aléatoire fixe a été appliquée pour garantir la reproductibilité. La performance du modèle a été évaluée à l’aide des courbes ROC et des valeurs correspondantes de la surface sous la courbe (AUC). L’étalonnage a été évalué à l’aide du test de bonheur d’ajustement de Hosmer–Lemeshow. Une analyse de la courbe de décision a également été réalisée pour évaluer le bénéfice net clinique du modèle intégratif.

Les analyses statistiques ont été réalisées à l’aide du logiciel SPSS (version 26.0) et du logiciel statistique R (version 4.2.2). Les logiciels d’analyse statistique « pROC » et « rms » étaient utilisés respectivement pour les analyses ROC et d’étalonnage. La signification statistique a été définie comme p < 0,05. Comme le critère principal était le statut binaire de BCR lors du suivi, la performance du modèle a été évaluée à l’aide de courbes ROC et de métriques AUC. L’analyse ROC dépendante du temps n’a pas été réalisée car les points temporels de récurrence n’ont pas été enregistrés de manière uniforme à l’échelle de la cohorte. Avant l’analyse, les données ont été examinées pour détecter des valeurs aberrantes, et aucune valeur extrême nécessitant une transformation n’a été identifiée. Les variables continues ont été analysées sous leur forme originale afin de préserver l’interprétabilité clinique.

Results

Caractéristiques de base
Les patients atteints de BCR présentaient des stades tumoraux pathologiques significativement plus avancés (pT3–4 : 96,9 % contre 52,3 %, p < 0,001), des taux plus élevés de métastases ganglionnaires (59,4 % contre 29,5 %, p < 0,001), des valeurs élevées d’IIS (682,45 ± 118,23 ± 92,40, p = 0,002), et des valeurs maximales standardisées plus élevées (SUV_max) lors de l’imagerie TEP/CT (6,59 ± 1,34 contre 4,92 ± 1,49, p < 0,001) comparé aux patients sans BCR. Les lésions positives au TEP étaient également significativement plus fréquentes dans le groupe BCR que dans le groupe sans BCR (73,4 % contre 14,8 %, p < 0,001). En revanche, les distributions d’âge et de scores de Gleason ne différaient pas de manière significative entre les deux groupes (Tableau 1).

Caractéristiques	Groupe de récurrence BCR (n = 64)	Groupe de non-récidive (n = 176)	Test statistique	Valeur p
Âge (années), médiane (étendue)	68 (56–78)	67 (55–79)	U = 5034	0.208
PSA préopératoire (ng/mL), moyenne ± SD	14.24 ± 6.253	16.20 ± 5.502	t = 2,216	0.029
Score Gleason, n ( %)			χ² = 6.346	0.175
7 (3+4)	4 (6.3)	30 (17.0)
7 (4+3)	15 (23.4)	38 (21.6)
8 (4+4)	19 (29.7)	37 (21.0)
9 (4+5)	10 (15.6)	35 (19.9)
10 (5+5)	16 (25.0)	36 (20.5)
Stade tumoral pathologique, n ( %)			χ² = 40.607	<0,001
pT2	2 (3.1)	84 (47.7)
pT3–4	62 (96.9)	92 (52.3)
État des ganglions lymphatiques, n ( %)			χ² = 17.818	<0,001
Positif	38 (59.4)	52 (29.5)
Négatif	26 (40.6)	124 (70.5)
SII	682,45 ± 118,23	637.08 ± 92.40	t = 3,112	0.002
SUV PET/CT	6,59 ± 1,34	4,92 ± 1,49	t = 8,303	<0,001
Lésions positives pour PET, n ( %)			χ² = 76.317	<0,001
Positif	47 (73.4)	26 (14.8)
Négatif	17 (26.6)	150 (85.2)
Temps de suivi (mois), médiane (plage)	11 (10–19)	13 (8–19)	U = 5422,5	0.66

Tableau 1 : Caractéristiques cliniques, pathologiques, inflammatoires et d’imagerie de base des patients avec et sans BCR. Les variables continues sont présentées en moyenne ± écart-type (DE) ou médiane (plage), selon le cas, tandis que les variables catégorielles sont présentées en nombre ( %). Des comparaisons de groupe ont été réalisées à l’aide du test t de Student, du test U de Mann–Whitney ou du test du chi-carré (χ²), selon le cas. Abréviations : BCR, récurrence biochimique ; PSA, antigène prostatique spécifique ; SII, indice d’inflammation immunitaire systémique ; _{SUV max}, valeur maximale standardisée d’adoption ; PET, tomographie par émission de positons.

Analyse de régression logistique univariée et multivariée de la récurrence biochimique
Le tableau 2 résume les résultats des analyses de régression logistique univariée et multivariée évaluant les facteurs associés à la BCR après une prostatectomie radicale.

Variable	Univarié OR (IC à 95 %)	Valeur p	Salle d’opération multivariée (IC à 95 %)	Valeur p
Âge (années)	1.025 (0.985–1.067)	0.216	–	–
PSA préopératoire (ng/mL)	0.941 (0.894–0.991)	0.021	0.973 (0.898–1.054)	0.498
Score Gleason	1.145 (0.925–1.417)	0.214	–	–
Stade tumoral pathologique	28.304 (6.714–119.322)	<0,001	36.814 (5.930–228.533)	<0,001
État des ganglions lymphatiques	3.485 (1.923–6.317)	<0,001	7.286 (2.264–23.445)	<0,001
SII	1.005 (1.002–1.008)	0.003	1.001 (0.996–1.006)	0.803
SUV PET/CT	2.302 (1.773–2.989)	<0,001	2.732 (1.768–4.221)	<0,001
Lésions positives au PET	15.950 (7.972–31.914)	<0,001	27.929 (8.662–90.313)	<0,001

Tableau 2 : Analyses de régression logistique univariée et multivariée des facteurs associés à la BCR. Les OR et les IC correspondants à 95 % sont présentés pour des variables cliniques, pathologiques, inflammatoires et d’imagerie associées à la BCR après une prostatectomie radicale. Les variables incluses dans le modèle de régression logistique multivariée ont été sélectionnées sur la base de la signification statistique dans l’analyse univariée et/ou d’une pertinence clinique établie. Abréviations : BCR, récurrence biochimique ; OU, rapport des chances ; IC, intervalle de confiance ; PSA, antigène prostatique spécifique ; SII, indice d’inflammation immunitaire systémique ; SUVmax, valeur maximale standardisée d’adoption ; PET, tomographie par émission de positons.

Dans l’analyse de régression logistique univariée, plusieurs variables étaient significativement associées à la BCR. Des niveaux plus élevés de PSA préopératoire étaient associés à une probabilité de récidive plus faible (OR = 0,941, IC à 95 % : 0,894–0,991, p = 0,021). Le stade avancé de tumeur pathologique (pT3–4 vs. pT2) a montré une forte association avec la BCR (OR = 28,304, IC à 95 % : 6,714–119,322, p < 0,001). La positivité des ganglions lymphatiques était également significativement associée au risque de récidive (OR = 3,485, IC 95 % : 1,923–6,317, p < 0,001). Parmi les variables liées aux biomarqueurs, des valeurs élevées de SII (OR = 1,005, IC 95 % : 1,002–1,008, p = 0,003), des valeurs_maximales de VUS TEPT/CT plus élevées (OR = 2,302, IC 95 % : 1,773–2,989, p < 0,001) et la présence de lésions positives au PET (OR = 15,950, IC 95 % : 7,972–31,914, p < 0,001) étaient tous significativement associés à un risque accru de BCR. En revanche, l’âge et le score de Gleason n’étaient pas significativement associés à la récidive.

Dans le modèle de régression logistique multivariée, quatre variables sont restées des prédicteurs indépendants de la BCR. Le stade avancé de tumeur pathologique restait fortement associé au risque de récidive (OR = 36,814, IC 95 % : 5,930–228,533, p < 0,001), tout comme la métastase ganglionnaire (OR = 7,286, IC 95 % : 2,264–23,445, p < 0,001). PET/CT_{SUV max} est également resté indépendamment associé à la BCR (OR = 2,732, IC à 95 % : 1,768–4,221, p < 0,001). Les lésions positives au PET ont montré l’association indépendante la plus forte avec la récidive (OR = 27,929, IC 95 % : 8,662–90,313, p < 0,001). Les niveaux de PSA préopératoire et les valeurs d’IBI n’étaient pas statistiquement significatifs dans l’analyse multivariée.

Performance et validation du modèle
Le modèle prédictif combiné a démontré une forte performance discriminatoire pour la prédiction de la BCR. Dans la cohorte d’entraînement, le modèle a atteint un AUC de 0,952 (IC 95 % : 0,915–0,990), surpassant tous les prédicteurs individuels. Parmi les prédicteurs à variable unique, le PET/CT_{SUV max} (AUC = 0,793, IC 95 % : 0,721–0,864) et les lésions positives au PET (AUC = 0,790, IC 95 % : 0,715–0,864) ont montré la performance discriminatoire la plus élevée. En comparaison, le stade tumoral pathologique a montré une performance prédictive modérée (AUC = 0,739), tandis que le statut ganglionnaire et l’IBI ont montré une précision prédictive moindre.

Dans la cohorte de validation, le modèle combiné a maintenu une excellente capacité discriminative, avec un AUC de 0,927 (IC 95 % : 0,861–0,994), confirmant la robustesse et la stabilité du modèle prédictif. Le classement relatif des prédicteurs individuels est resté constant, les lésions PET/CT_{SUV MAX} et PET-positive montrant à nouveau la performance discriminatoire la plus forte.

Les graphiques d’étalonnage dans les deux cohortes ont démontré un accord entre les probabilités prédites et observées de BCR ; cependant, des écarts par rapport à la calibration idéale ont été observés. La cohorte d’entraînement a donné une interception d’étalonnage de –3,80 et une pente de 7,34, tandis que la cohorte de validation a démontré une interception de –3,36 et une pente de 6,37. Bien que les courbes d’étalonnage suivent généralement la ligne de référence, ces valeurs de pente suggèrent un surajustement potentiel du modèle ou une instabilité d’étalonnage et doivent donc être interprétées avec prudence (Figure 1).

Figure 1. Évaluation de la performance du modèle prédictif combiné dans les cohortes de formation et de validation. (A) Courbes ROC comparant le modèle combiné et les prédicteurs individuels dans la cohorte d’entraînement. (B) Courbes ROC comparant le modèle combiné et les prédicteurs individuels dans la cohorte de validation. (C) Courbe d’étalonnage du modèle combiné dans la cohorte d’entraînement, montrant l’accord entre les probabilités prédites et observées de BCR. (D) Courbe d’étalonnage du modèle combiné dans la cohorte de validation. La ligne pointillée diagonale représente l’étalonnage idéal, et la courbe solide représente les probabilités prédites par le modèle. Abréviations : ROC, caractéristique de fonctionnement du récepteur ; AUC, aire sous la courbe ; SII, indice d’inflammation immunitaire systémique ; _{SUV max}, valeur maximale standardisée d’adoption ; LN_pos, positivité des ganglions lymphatiques ; PET_pos, lésions positives à la tomographie par émission de positrons ; BCR, récidive biochimique. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

L’analyse de la courbe de décision a également confirmé l’utilité clinique du modèle prédictif combiné. Dans la cohorte d’entraînement, le modèle a atteint un bénéfice net maximal de 0,246 et a constamment surpassé à la fois les stratégies traitant tout et traiter sans traitement sur une plage de probabilité seuil cliniquement pertinente de 0 à 0,50, indiquant une utilité potentielle pour une stratification individualisée du risque postopératoire (Figure 2).

Figure 2. Analyse de la courbe de décision du modèle prédictif combiné. Analyse de la courbe de décision montrant le bénéfice clinique net du modèle combiné sur une plage de probabilités seuils. La ligne continue représente le modèle combiné, la ligne pointillée représente la stratégie treat-all, et la pointillée représente la stratégie treat-non. Le modèle présente un bénéfice net plus élevé sur une large gamme de probabilités seuils, indiquant une utilité clinique potentielle pour une stratification individualisée du risque postopératoire. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Analyse de sous-groupes (suivi > 12 mois)
Un total de 133 patients ont été inclus dans l’analyse du sous-groupe après avoir exclu 107 patients dont le suivi était de ≤12 mois. Chez les patients dont les suivis durent >12 mois (n = 133), l’analyse de régression logistique multivariée a montré que le stade tumoral pathologique (OR = 36,814, IC 95 % : 5,930–228,533, p < 0,001), l’état des ganglions lymphatiques (OR = 22,064, IC 95 % : 3,275–288,367, p < 0,001), le VUS_{PET/CT max} (OR = 10,245, IC 95 % : 2,905–72,867, p = 0,004), et les lésions positives au PET (OR = 51,458, IC à 95 % : 8,940–530,327, p < 0,001) restaient significativement associées à la BCR. En revanche, l’IBI n’a pas été associée indépendamment à la BCR dans l’analyse des sous-groupes (OR = 1,004, IC à 95 % : 0,997–1,012, p = 0,255) (Tableau 3).

Paramètres	Rapport de cotes (IC 95 %)	Valeur p
Stade tumoral pathologique	36.814 (5.930–228.533)	<0,001
État des ganglions lymphatiques	22.064 (3.275–288.367)	<0,001
SII	1.004 (0.997–1.012)	0.255
SUV PET/CT	10.245 (2.905–72.867)	0.004
Lésions positives au PET	51.458 (8.940–530.327)	<0,001

Tableau 3 : Analyse de régression logistique multivariée des facteurs associés à la BCR chez des patients avec des durées de suivi de >12 mois. Une analyse de régression logistique multivariée a été réalisée dans un sous-groupe de patients avec des suivis de >12 mois (n = 133) afin d’évaluer la robustesse des prédicteurs associés à la BCR après une prostatectomie radicale. Des rapports de cotes (OR) avec des intervalles de confiance (IC) correspondants à 95 % sont présentés pour toutes les variables incluses dans le modèle multivarié. Abréviations : BCR, récurrence biochimique ; OU, rapport des chances ; IC, intervalle de confiance ; SII, indice d’inflammation immunitaire systémique ; _{SUV max}, valeur maximale standardisée d’adoption ; PET, tomographie par émission de positons.

Disponibilité des données :
Toutes les données générées ou analysées durant cette étude sont incluses dans cet article publié et son fichier d’information complémentaire (Tableau Supplémentaire 1).

Tableau complémentaire 1 : Ensemble de données au niveau du patient dé-identifié utilisé pour le développement et la validation de modèles prédictifs. Le tableau complémentaire contient des variables cliniques, pathologiques, inflammatoires, d’imagerie, de suivi et de résultats au niveau du patient non identifiées, utilisées pour le développement et la validation du modèle. Les variables incluent le SII, LE TEST DE TEST VENTAIRE VENTRE-VENT/_{TOMODÉRÉ MAX}, le statut positif des lésions-PET/CT, le stade tumoral pathologique, le statut de récidive biochimique (BCR), l’âge, le score de Gleason, le niveau de PSA préopératoire, l’état des ganglions lymphatiques, la durée du suivi et le délai jusqu’à la BCR. Tous les identifiants des patients ont été retirés avant l’analyse afin d’assurer la confidentialité et le respect des normes éthiques institutionnelles. Abréviations : SII, indice d’inflammation immunitaire systémique ; PET/CT, tomographie par émission de positons/tomographie par ordinateur ; _{SUV max}, valeur maximale standardisée d’adoption ; BCR, récurrence biochimique ; PSA, antigène prostatique spécifique. Veuillez cliquer ici pour télécharger ce fichier.

Discussion

Dans cette étude, nous avons développé avec succès un modèle prédictif complet pour la BCR après prostatectomie radicale chez des patients atteints de cancer de la prostate, intégrant les résultats de l’IIS, du stade tumoral pathologique, de l’état des ganglions lymphatiques et des résultats préopératoires de l’imagerie TEP/CT 18F-PSMA-1007. Le modèle a démontré une excellente performance discriminative, avec un AUC de 0,95, soulignant l’avantage de combiner plusieurs marqueurs biologiques et d’imagerie pour une stratification précise du risque. Le stade tumoral pathologique s’est révélé comme un prédicteur puissant et indépendant de la BCR. Les patients atteints de tumeurs à stade avancé (pT3b et pT4) ont présenté des taux de récidive significativement plus élevés, conformément à la littérature établie qui reconnaît la stadification tumorale comme un déterminant critique du pronostic ^1,2. Un stade tumoral plus élevé est corrélé à une extension extracapsulaire et à une invasion de la vésicule séminale, deux éléments liés à de mauvais résultats^{oncologiques 3}. Cela renforce la nécessité d’une surveillance postopératoire rigoureuse et de l’examen précoce des thérapies adjuvantes chez les patients présentant des caractéristiques pathologiques à haut^{risque 9}.

Le rôle de l’imagerie PET/CT préopératoire 18F-PSMA-1007 dans notre modèle prédictif est particulièrement remarquable. Les patients avec des valeurs_maximales de SUV plus élevées et des examens PET/CT positifs présentaient un risque significativement accru de BCR. Ces résultats s’alignent avec des recherches antérieures démontrant la sensibilité et la spécificité supérieures de l’imagerie PET de l’antigène membranaire spécifique à la prostate (PSMA) pour détecter les récidives locorégionales et lointaines par rapport aux modalités d’imagerie^{conventionnelles 10,11}. Une méta-analyse d’Alberts et al. soutient également l’utilisation des traceurs PET PSMA, indiquant que des valeurs_maximales plus élevées des SUV sont fortement associées à une biologie agressive^{de la maladie 7}. Notamment, le seuil_maximal des SUV dans notre étude (5,46) correspondait étroitement à ceux rapportés lors des essais multicentriques précédents, ce qui renforce sa validité externe. De plus, des études émergentes ont démontré l’utilité du PSMA PET/CT pour surveiller la réponse à la thérapie néoadjuvante chez les patients atteints d’un cancer de la prostate^12,13. Cependant, notre cohorte était limitée aux patients n’ayant pas subi de traitement systémique préopératoire, ce qui nous a permis d’évaluer la valeur pronostique native de la TEP/CT et des biomarqueurs inflammatoires avant l’intervention thérapeutique. Bien que le 18F-PSMA-1007 PET/CT offre une sensibilité d’imagerie supérieure, il n’est pas encore largement accessible dans tous les systèmes de santé, en particulier dans des environnements à faible ressource. Pour explorer la capacité d’adaptation potentielle de notre modèle, nous avons mené une analyse exploratoire en utilisant un modèle simplifié incorporant uniquement le SII et le stade tumoral pathologique. Bien que la performance prédictive (AUC) de ce modèle réduit ait été inférieure à celle du modèle complet, elle conservait un pouvoir discriminatoire modéré. Cette conclusion suggère qu’une approche simplifiée peut encore aider à la stratification de base du risque postopératoire lorsque la TEP PSMA n’est pas disponible. Les recherches futures pourraient se concentrer sur l’optimisation de ces modèles simplifiés ou l’intégration d’autres biomarqueurs largement accessibles pour une utilité clinique plus large.

Les marqueurs inflammatoires systémiques, tels que la SII, reflètent l’interaction entre l’immunité de l’hôte et l’inflammation favorisant la tumeur. Des niveaux élevés d’ISI étaient associés à un risque de récidive plus élevé dans notre cohorte, conformément aux méta-analyses précédentes mettant en avant sa valeur pronostique dans les cancers^{génito-urinaires 4,6}. Bien que l’IBS n’ait pas atteint de signification statistique dans l’analyse multivariée, elle a apporté une valeur incrémentale au modèle combiné, soulignant son rôle potentiel en tant que biomarqueur adjuvant. Notamment, Li et al. et Lolli et al. ont déjà démontré l’association entre une SII élevée et une faible survie dans les cancers de la vessie et métastatique de la prostate,^{respectivement 5}. De plus, nous avons choisi l’IBI plutôt que d’autres marqueurs hématologiques tels que le ratio neutrophiles/lymphocytes (NLR) ou le ratio plaquettes/lymphocytes (PLR), car l’ISI intègre trois composantes immunitaires — neutrophiles, lymphocytes et plaquettes — offrant une vision plus large de la réponse inflammatoire et immunitaire de l’hôte. Plusieurs études comparatives et méta-analyses ont démontré que l’IIS présente une valeur pronostique supérieure à la NLR et à la PLR dans diverses tumeurs solides, y compris le cancer de la prostate ^6,14,15. De plus, l’IBS a montré une plus grande reproductibilité et stabilité au sein des populations de patients, ce qui en fait un candidat prometteur pour la stratification du risque en milieu clinique^16,17.

Bien que l’IIS ait démontré une association significative avec la BCR dans l’analyse univariée, elle n’est pas restée indépendamment significative dans la modélisation multivariée. Pour évaluer si cela était dû à la colinéarité ou à des effets non linéaires, nous avons mené des analyses exploratoires post-hoc en utilisant des valeurs dichotomisées des SII, la normalisation du z-score et des termes d’interaction avec les résultats PET/CT et le stade tumoral. Ces approches n’ont pas permis d’améliorer statistiquement significatifs, ce qui suggère que, bien que l’IBI reflète une inflammation systémique, sa valeur pronostique incrémentale peut être limitée en présence d’imagerie plus forte et de prédicteurs pathologiques. De futures études avec des échantillons plus importants pourraient mieux délimiter le rôle contextuel des biomarqueurs inflammatoires dans les modèles multimodaux de risque. Intégrer plusieurs variables dans un seul cadre prédictif améliore la précision pronostique par rapport aux seuls facteurs individuels. Les avancées récentes en recherche oncologique soulignent la supériorité des modèles multimodaux, intégrant des paramètres cliniques, d’imagerie et moléculaires, pour personnaliser les soins aux patients. Notre modèle intégré a nettement surpassé la précision prédictive des prédicteurs individuels, soutenant ce changement de paradigme vers une évaluation globale des risques. Des résultats similaires ont été rapportés dans des modèles combinant PSMA–PET avec les classificateurs^{génomiques 18}, qui ont atteint des valeurs AUC supérieures à 0,90 pour prédire la BCR précoce. Bien que les facteurs clinicopathologiques traditionnels tels que les niveaux de PSA préopératoire, le score de Gleason, le statut de marge chirurgicale et l’atteinte des ganglions lymphatiques soient des indicateurs pronostiques bien établis pour^{BCR 19,20}, notre étude s’est intentionnellement concentrée sur un nouveau modèle intégratif combinant les caractéristiques d’imagerie SII, 18F-PSMA-1007 PET/CT et le stade tumoral pathologique. Cette approche visait à évaluer l’utilité prédictive des biomarqueurs biologiques et d’imagerie émergents au-delà des variables conventionnelles. Le statut de marge chirurgicale a été exclu en raison d’une documentation incohérente dans les dossiers des patients. Bien que le statut des ganglions lymphatiques ait été inclus dans le modèle multivarié final, la multicolinéarité potentielle avec le stade tumoral pathologique a été soigneusement évaluée lors du développement du modèle. Néanmoins, nous reconnaissons que l’intégration de prédicteurs cliniques traditionnels supplémentaires dans les modèles futurs pourrait encore améliorer la précision prédictive et l’applicabilité clinique. Des études comparatives évaluant la valeur additive de la SII et du PSMA PET/CT, lorsqu’elles sont combinées à des variables cliniques établies, sont justifiées.

De plus, la performance favorable de notre modèle complète les approches évolutives en oncologie de précision, où l’identification précoce des patients à haut risque de récidive permet des stratégies adjuvantes adaptées et un suivi postopératoire plus^{étroit 21}. L’intégration d’imagerie avancée avec des marqueurs biologiques tels que la SII pourrait ouvrir la voie à des modèles de risque dynamiques mis à jour longitudinalement au fur et à mesure que les patients progressent dans leur parcours clinique. Plusieurs nomogrammes largement utilisés, dont le score CAPRA-S (Cancer of the Prostate Risk Assessment Post-Operator) et la nomogramme de Stephenson, ont été validés pour prédire la BCR après une prostatectomie radicale sur la base de facteurs cliniques et pathologiques traditionnels tels que le niveau de PSA, le score de Gleason, le statut de la marge chirurgicale et l’atteinte des ganglions lymphatiques. Bien que ces modèles soient précieux et bien établis, ils n’intègrent pas de marqueurs biologiques ou d’imagerie moléculaire. Par exemple, des travaux récents ont démontré la valeur pronostique de l’imagerie PET 68Ga-PSMA et ont suggéré son intégration potentielle avec CAPRA-S pour améliorer la stratification du risque^{de récidive 22}. Notre modèle complète ces approches en intégrant l’inflammation systémique (via SII) et l’imagerie à haute sensibilité (via le 18F-PSMA-1007 PET/CT), offrant potentiellement une granularité améliorée pour une stratification individualisée du risque. De futures recherches pourraient explorer des modèles hybrides combinant des nomogrammes établis avec des biomarqueurs émergents pour une meilleure précision pronostique.

Néanmoins, cette étude présente des limites. Notre analyse était rétrospective et limitée à une seule institution, ce qui pourrait introduire un biais de sélection. La durée médiane du suivi de 15 mois, bien que suffisante pour les événements de récidive précoce, limite l’évaluation des résultats à long terme tels que la survie sans métastase et la mortalité spécifique au cancer. Des cohortes plus grandes, prospectives et multicentriques sont nécessaires pour valider nos résultats et affiner la calibration du modèle. De plus, une future intégration des scores de risque génomique et des caractéristiques radiomiques dérivées de la PET/CT pourrait encore renforcer la précision^{prédictive 23}. Une autre limitation majeure de cette étude est son design rétrospectif, centrique unique, avec une taille d’échantillon relativement limitée, ce qui peut influencer la généralisabilité du modèle prédictif. Bien que la validation interne utilisant une répartition train-test 70/30 ait démontré d’excellentes performances du modèle, une validation externe utilisant des cohortes multicentriques plus grandes est essentielle pour confirmer sa reproductibilité et son applicabilité dans divers contextes cliniques. Nous prévoyons actuellement une étude prospective multicentrique pour valider ce modèle à l’externe, ce qui permettra une évaluation plus robuste de la précision prédictive, de l’étalonnage et de l’utilité concrète pour guider la prise de décision postopératoire. De plus, l’utilisation de la régression logistique pour modéliser la BCR constitue également une limite. Bien que la modélisation des risques proportionnels de Cox soit idéale pour analyser la survie sans récidive, notre étude s’est concentrée sur la prédiction du statut BCR dans une période de suivi fixe. De plus, le moment exact de la récidive n’a pas été enregistré de manière uniforme pour tous les patients, limitant la faisabilité de l’analyse temporelle à événement. De futures études prospectives avec des intervalles de suivi standardisés permettront de modéliser la survie utilisant la régression de Cox pour affiner davantage la prédiction du risque. Nous reconnaissons que l’utilisation des courbes ROC standard peut ne pas totalement capturer les variations temporelles du risque de récidive. L’analyse ROC dépendante du temps est mieux adaptée à la modélisation des résultats de survie et pourrait être intégrée dans de futures études avec des données standardisées et des suivis à plus long terme pour évaluer la performance du modèle au fil du temps.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
18F-PSMA-1007	Shaanxi Zhengze Biotechnology Co., Ltd., Chine	18F-PSMA-1007	Radiotraceur utilisé pour l'imagerie PET/CT des lésions du cancer de la prostate
Logiciel Advantage Workstation	GE Healthcare, Chicago, IL, États-Unis	Version 4.7	Utilisé pour le traitement d'images PET/CT, la définition des zones d'intérêt et la quantification de SUVmax
Analyseur sanguin	Mindray Bio-Medical Electronics Co., Ltd., Chine	6000PLUS	Utilisé pour la mesure des numérations de neutrophiles, de lymphocytes et de plaquettes pour le calcul de l'ISI
Scanner PET/CT	GE Healthcare, Chicago, IL, États-Unis	Discovery VCT	Utilisé pour l'acquisition d'images PET/CT du corps entier
Logiciel d'analyse ROI/image	GE Healthcare, Chicago, IL, États-Unis	Logiciel Advantage Workstation (version 4.7)	Utilisé pour l'examen des images et l'analyse quantitative des lésions
Environnement logiciel R	R Foundation for Statistical Computing, Vienne, Autriche	Version 4.2.2	Utilisé pour l'analyse statistique, l'analyse ROC et l'étalonnage des modèles
Logiciel statistique SPSS	IBM Corp., Armonk, NY, États-Unis	Version 26.0	Utilisé pour l'analyse statistique