Article de recherche

Imagerie par transfert de protons amide pour différencier les gliomes et méningiomes et évaluer l’infiltration tumorale

29 vues

⸱

DOI :

10.3791/71626

⸱

11 août 2026

 ,  ,  ,  , 
1Department of Medical Imaging, Shenzhen Bao'an District Songgang People's Hospital (Shenzhen Baoan Medical College of Guangdong Pharmaceutical University), 2Department of Radiology, Shenzhen Second People's Hospital

Dans cet article

Résumé

Cette étude évalue l’imagerie par transfert de protons amide (APT) combinée à l’imagerie par résonance magnétique (IRM) conventionnelle afin de différencier les méningiomes des gliomes de faible et haut grade et d’évaluer les caractéristiques d’imagerie liées à l’infiltration tumorale, démontrant son potentiel à améliorer la classification préopératoire et à fournir des informations basées sur l’imagerie pouvant orienter la planification chirurgicale.

Résumé

La différenciation des gliomes des méningiomes et l’évaluation des caractéristiques d’imagerie liées à l’infiltration du gliome restent difficiles avec l’imagerie par résonance magnétique conventionnelle (IRM). L’imagerie par transfert de protons amide (APT), une technique de transfert de saturation par échange chimique, peut détecter des changements dans la teneur en protéines tissulaires et le pH, offrant ainsi des informations fonctionnelles potentielles sur les tumeurs cérébrales. Cette étude rétrospective a évalué l’imagerie APT combinée à l’IRM conventionnelle chez 105 patients atteints de tumeurs cérébrales confirmées de façon pathologique (55 méningiomes, 20 gliomes de bas grade [LGG] et 30 gliomes de haut grade [HGG]). L’intensité moyenne du signal dérivée de l’APT (moyenne de l’APT) et les rapports de l’aire anormale de l’APT à l’aire d’hyperintensité T2 (RAPT/T2) et à la zone d’amélioration du contraste (RAPT/E) ont été mesurés et comparés entre groupes. La moyenne de l’AP était significativement plus élevée dans les HGG (médiane 4,60 %) que chez les GLG (2,95 %) et les méningiomes (2,70 %, P < 0,001). RAPT/T2 et RAPT/E étaient également nettement élevés chez les HGG. Pour distinguer les HGG des méningiomes, APTmean a obtenu d’excellentes performances diagnostiques (aire sous la courbe [AUC] = 0,969), comparé à RAPT/E (0,836) et RAPT/T2 (0,800). Pour différencier les LGG des méningiomes, le RAPT/E (AUC = 0,781) et le RAPT/T2 (AUC = 0,734) ont montré de bonnes performances, tandis que lamoyenne de l’APT n’a pas différé de manière significative. Pour la classification du gliome (HGG vs. LGG), APTmean a donné un AUC de 0,916, supérieur au degré d’amélioration du contraste (0,823). Ces résultats indiquent que l’imagerie par TA distingue efficacement les méningiomes des gliomes de différents degrés et fournit des informations précieuses basées sur l’imagerie pour déduire l’étendue de l’infiltration tumorale. La combinaison des rapports de moyenne APTmoyenne et spatiale offre un outil d’imagerie pratique pour améliorer le diagnostic préopératoire et soutenir la planification chirurgicale, en particulier dans les cas atypiques difficiles.

Introduction

Les tumeurs intracrâniennes comptent parmi les troubles les plus courants du système nerveux. Leur incidence augmente à l’échelle mondiale, ce qui représente une menace sérieuse pour la santéhumaine 1. Sur la base de l’origine histopathologique, les tumeurs intracrâniennes peuvent être classées en deux grandes catégories : primaires et secondaires (métastatiques). Parmi les tumeurs intracrâniennes primaires, le méningiome et le gliome représentent les deux types les plus répandus avec des origines et des comportements biologiques nettement différents2. Le gliome, originaire des cellules gliales, est la tumeur intracrânienne maligne la plus courante, caractérisée par une croissance infiltrative, des bordures mal définies, une forte tendance à la récidive et un pronosticmauvais 3,4. L’Organisation mondiale de la santé (OMS) classe les gliomes en grades I à IV en fonction de leur malignité. Parmi ceux-ci, les gliomes de haut grade (HGG, grades III-IV selon l’OMS) sont très invasifs et sont associés à une période de surviecourte 5,6. En revanche, le méningiome provient des cellules du capuchon arachnoïdien. La grande majorité sont bénignes (grade I selon l’OMS), croissent lentement et présentent des limites claires avec une démarcation nette par rapport au tissu cérébral environnant. Après une résection chirurgicale complète, les patients ont généralement un pronostic favorable 7,8. Ainsi, une différenciation préopératoire précise entre ces deux types de tumeurs, ainsi que l’évaluation des caractéristiques d’imagerie liées à l’étendue de l’infiltration du gliome, revêt une importance clinique cruciale. Il est essentiel pour élaborer des plans chirurgicaux individualisés, déterminer les marges de résection sûres et, en fin de compte, améliorer les résultats pour les patients.

Actuellement, l’imagerie par résonance magnétique (IRM) est devenue une modalité largement utilisée pour le diagnostic et l’évaluation préopératoires des tumeurs intracrâniennes grâce à sa résolution supérieure des tissus mous, ses capacités d’imagerie multiparamétriques et l’avantage d’être non ionisante 9,10. Les séquences IRM conventionnelles, telles que l’imagerie pondérée T1 (T1WI), l’imagerie pondérée T2 (T2WI), la récupération par inversion atténuée par liquide (FLAIR) et l’imagerie pondérée T1 avec contraste amélioré (CE-T1WI), peuvent clairement révéler la localisation, la taille, la morphologie, la structure interne de la tumeur et sa relation avec les tissusadjacents 11,12. Les méningiomes typiques apparaissent à l’IRM sous forme de masses extraaxiales bien définies, présentant des signaux iso- ou légèrement hypointenses sur le T1WI, des signaux ISO ou légèrement hyperintenses sur le T2WI, avec un renforcement significatif et homogène après le contraste, souvent accompagné d’un « signe de la queue dural »13. En revanche, les gliomes de haut grade (HGG) se manifestent généralement sous forme irrégulière et mal définies. Ils sont souvent entourés d’œdème péritumoral étendu visible sur les séquences T2WI/FLAIR et présentent un renforcement hétérogène en forme d’anneaux ou guirlandes après administrationdu contraste 14,15.

Cependant, l’IRM conventionnelle rencontre encore de nombreux défis en pratique clinique. Concernant le diagnostic différentiel, certains cas présentent des caractéristiques atypiques. Par exemple, certains HGG peuvent présenter une « pseudocapsule » relativement bien définie et homogène, ce qui les rend difficiles à distinguer des méningiomes. Inversement, certains méningiomes cellulaires atypiques ou anaplasiques de haut grade (grades II-III de l’OMS), en raison de leurs schémas de croissance invasifs, peuvent également imiter radiologiquement les gliomes16. De plus, l’IRM conventionnelle a une capacité limitée à évaluer avec précision l’étendue présumée de l’infiltration du gliome. La région hyperintense observée sur les séquences T2WI/FLAIR a été pathologiquement confirmée comme un mélange d’infiltration des cellules tumorales, d’œdème vasogénique et de gliose réactive. L’IRM conventionnelle ne parvient pas à distinguer efficacement cescomposantes 17. De même, la région d’amélioration visualisée sur CE-T1WI représente principalement le noyau tumoral avec une barrière hémato-encéphalique perturbée. Un nombre significatif de cellules tumorales prolifératives ont déjà infiltré au-delà de cette zone d’amplification, dans et parfois au-delà de la zone hyperintense de T2 péritumorale au sein du parenchyme cérébral à apparencenormale 18,19. Ce décalage entre les frontières radiologiques et pathologiques est un facteur clé du taux élevé de récidive post-chirurgicale des gliomes. Par conséquent, il existe un besoin clinique urgent de nouveaux outils d’imagerie moléculaire capables de refléter de manière plus directe et sensible la cellularité tumorale et l’activité métabolique.

L’imagerie par transfert de protons amide (APT) est une technique émergente d’imagerie par résonance magnétique moléculaire. Il fonctionne selon le mécanisme de transfert de saturation par échange chimique (CEST) 20,21. En saturant sélectivement les protons amides (-NH) sur la colonne vertébrale des protéines et peptides mobiles dans les tissus et en transférant cette magnétisation aux molécules d’eau environnantes, il détecte indirectement les changements de la teneur en protéines tissulaires et du pHintracellulaire/extracellulaire 22,23. Dans le microenvironnement tumoral, les cellules malignes présentent généralement une activité proliférative intense, entraînant une augmentation significative de l’anabolismeprotéique 24. Parallèlement, une glycolyse accrue (l’effet Warburg) dans les tissus tumoraux entraîne souvent une acidification du microenvironnement extracellulaire25. Ces altérations physiopathologiques font généralement apparaître les signaux APT comme d’une hyperintensité caractéristique dans les cancers de haut grade. De plus, l’APT a démontré une valeur potentielle pour différencier la récidive du gliome de la nécrose radioactive, offrant des informations complémentaires aux techniques d’IRM conventionnelles et à d’autres techniques d’imageriefonctionnelle 26. Cela s’explique par le fait que le tissu tumoral récurrent, caractérisé par une forte densité cellulaire et un métabolisme actif, présente des signaux APT élevés. En revanche, la nécrose des radiations, composée principalement de débris cellulaires et de réactions inflammatoires, se manifeste par de faibles signaux d’APT. Ces résultats ont été corroborés par des études cliniques démontrant la supériorité de l’APT sur l’IRM conventionnelle pour distinguer la récidive tumorale des modifications liées autraitement 27.

Cependant, les recherches actuelles se concentrent principalement sur la gradation ou la différenciation du gliome par rapport à d’autres pathologies intracrâniennes, telles que les métastases ou lelymphome 28,29,30. Les études systématiques examinant spécifiquement l’utilité de l’imagerie par TA pour distinguer les méningiomes des gliomes de différents degrés, en particulier ceux englobant à la fois les gliomes de faible et de haut grade, restent relativement limitées. De plus, la question de savoir si la zone d’anomalie du signal APT pourrait servir de substitut d’imagerie mieux corrélée à l’étendue de l’infiltration cellulaire dans les gliomes, en particulier les gliomes de haut grade (HGG), mérite une investigation approfondie.

Cliniquement, l’imagerie par TCA peut être utile pour la différenciation préopératoire des HGG des méningiomes et pour évaluer les caractéristiques d’imagerie liées à l’infiltration du gliome, en particulier lorsque l’IRM conventionnelle est équivoque. Cependant, la mise en œuvre régulière rencontre des défis pratiques : un temps d’acquisition prolongé augmente le risque de mouvement ; la quantification du signal est sensible aux inhomogénéités de champ et aux algorithmes de post-traitement, nécessitant des protocoles standardisés ; et les métriques de l’APT devraient compléter, et non remplacer, l’IRM conventionnelle en raison d’un possible chevauchement dans certains LGG et méningiomes bénins. Pour l’adoption, nous recommandons de commencer par des cas difficiles et de l’intégrer progressivement à la pratique courante une fois l’expertise locale et l’assurance qualité établies. En fin de compte, l’imagerie APT offre des informations biologiques uniques mais est mieux utilisée judicieusement dans un cadre d’IRM multiparamétrique.

Des travaux antérieurs de Zhang et al.31 ont exploré de manière préliminaire l’utilité de l’imagerie par APT pour distinguer les méningiomes des gliomes, en proposant les rapports RAPT/T2 et RAPT/E comme marqueurs potentiels d’infiltration tumorale. Cependant, cette étude était limitée par un échantillon relativement petit (50 patients) et n’a pas évalué systématiquement la performance diagnostique des paramètres APT par rapport aux caractéristiques IRM conventionnelles sur toutes les distinctions par paires cliniquement pertinentes, en utilisant des analyses complètes de courbes de caractéristiques de fonctionnement du récepteur (ROC). De plus, les implications cliniques des anomalies de l’étendue spatiale définies par l’APT pour la planification chirurgicale et radiothérapeutique n’ont pas été discutées en détail. Sur cette base de raisonnement, cette étude vise à analyser rétrospectivement les données d’APT et d’IRM conventionnelle de patients atteints de méningiomes et gliomes pathologiquement confirmés de différents degrés. Nous comparons systématiquement les paramètres de l’APT entre ces deux types de tumeurs afin d’évaluer l’efficacité diagnostique de l’imagerie de l’APT pour la différenciation préopératoire des méningiomes des gliomes. Parallèlement, en comparant l’étendue spatiale de la région d’anomalie de l’APT avec celle des zones d’hyperintensité T2WI et d’amélioration CE-T1WI, cette étude explore préliminairement la valeur d’application potentielle de l’imagerie APT comme outil radiologique pour inférer la frontière de croissance infiltrative des tumeurs. L’objectif est de fournir aux cliniciens des informations issues de l’imagerie qui pourraient renforcer les bases de la planification chirurgicale, bien que de telles inférences attendent d’être validées en pathologie.

Protocole

Ce protocole d’étude respectait les principes éthiques énoncés dans la Déclaration d’Helsinki et a été approuvé par le comité d’éthique de l’hôpital populaire de Songgang du district de Shenzhen Bao’an (Numéro d’approbation : IRB-YJ-2025-045). Compte tenu de sa conception rétrospective, l’étude n’a consisté qu’à analyser des données cliniques et d’imagerie archivées. Toutes les informations identifiables par les patients étaient strictement anonymisées.

Conception de la recherche et sujets

Cette étude est une analyse diagnostique rétrospective. Nous avons collecté rétrospectivement des données cliniques et d’imagerie de patients atteints de tumeurs cérébrales admis dans les services d’oncologie neurochirurgicale de l’hôpital populaire de Songgang, district de Bao’an, Shenzhen, et du second hôpital populaire de Shenzhen entre janvier 2024 et juin 2025. Tous les patients avaient des diagnostics pathologiquement confirmés après l’opération. Un total de 105 patients ont finalement été inclus, tous ayant subi à la fois des examens IRM conventionnels et des examens d’imagerie APT avant l’opération. Selon la Classification OMS 2021 des tumeurs du système nerveuxcentral 32, les patients ont été divisés en trois groupes : Groupe du méningiome : 55 cas, confirmés pathologiquement comme étant des grades I-II selon l’OMS. Groupe du gliome de bas grade (LGG) : 20 cas, confirmé pathologiquement comme classement I-II par l’OMS. Groupe HGG : 30 cas, pathologiquement confirmés comme grades III-IV selon l’OMS. Tous les patients ont subi à la fois une IRM conventionnelle et des examens d’imagerie APT avant l’opération. Le diagramme de flux détaillé de l’étude est présenté à la Figure 1.

Critères d’inclusion et d’exclusion

Les critères d’inclusion étaient (1) des patients subissant une résection chirurgicale initiale avec un diagnostic histopathologique définitif de méningiome (grades I-II selon l’OMS), de LGG (grades I-II selon l’OMS) ou de HGG (grades III-IV de l’OMS) ; (2) réalisation d’IRM de la tête sans contraste, scanner amélioré pondéré T1 et imagerie APT dans la semaine précédant l’opération ; (3) la disponibilité de données d’imagerie complètes avec une bonne qualité d’image, exemptes d’artefacts significatifs, adaptées à l’évaluation diagnostique et aux mesures ; (4) la disponibilité de données cliniques complètes et de dossiers de suivi.

Les critères d’exclusion étaient (1) les patients ayant reçu une thérapie anti-tumorale (par exemple, radiothérapie, chimiothérapie, thérapie ciblée ou immunothérapie) avant l’opération ; (2) patients présentant des tumeurs cérébrales récurrentes ou la présence d’autres lésions occupant l’espace intracrânien ; (3) patients présentant des contre-indications pour l’examen IRM ; (4) des images présentant des artefacts de mouvement sévères ou de susceptibilité qui affecteraient l’analyse ultérieure des données ; (5) diagnostic pathologique des types de tumeurs du système nerveux central autres que celles spécifiées ci-dessus.

Calcul de la taille de l’échantillon

Cette étude était une analyse diagnostique rétrospective, et la taille de l’échantillon a été principalement déterminée par tous les cas disponibles répondant aux critères d’inclusion durant la période d’étude. Pour évaluer si la taille actuelle de l’échantillon était suffisante pour détecter des différences statistiquement significatives dans les paramètres de l’APT entre les groupes, nous avons consulté les différences dans les valeurs du signal de l’APT entre les gliomes et méningiomes de différents degrés rapportés dans la littératureprécédente 33. En fixant α = 0,05 et une puissance statistique de 0,80, et en utilisant une formule de comparaison moyenne à deux échantillons pour l’estimation, nous avons déterminé qu’un minimum de 15 échantillons par groupe était requis. Sur la base de l’inclusion finale de 105 patients (55 méningiomes, 20 LGG, 30 HGG), une analyse post-hoc de la puissance a montré que la capacité à détecter les différences de moyenne d’APT entre les trois groupes dépassait 0,95 par rapport à la taille actuelle de l’échantillon. Cela indique que la taille de l’échantillon de l’étude était suffisante pour soutenir l’inférence statistique.

Acquisition d’image et post-traitement

Protocole de balayage IRM :

Tous les patients ont été scannés à l’aide d’un scanner à résonance magnétique (RM) avec une bobine de tête standard à 8 canaux 34. Les séquences et paramètres de balayage étaient les suivants :

Séquences conventionnelles : l’imagerie axiale pondérée T1 (T1WI) a été réalisée à l’aide d’une séquence d’écho à gradient dégradé tridimensionnel (3D T1-SPGR, temps de répétition/temps d’écho [TR/TE] = 8,5/3,4 ms, angle de retournement = 12°, épaisseur de tranche = 1,2 mm, espace entre les tranches = 0 mm, champ de vision [FOV] = 24 cm × 24 cm, matrice = 256 × 256). L’imagerie axiale pondérée en T2 (T2WI) a été acquise grâce à une séquence rapide d’écho de spin (TR/TE = 4 500/102 ms, épaisseur de tranche = 5 mm, écart entre tranches = 1,5 mm, champ de vision = 24 cm × 24 cm, matrice = 384 × 224). Les images de récupération par inversion atténuée par fluide (FLAIR) ont été obtenues avec un temps de répétition/temps d’écho/temps d’inversion (TR/TE/TI) = 9 000/120/2 250 ms.

Balayage amélioré par contraste : Après injection intraveineuse de diméglumine de gadopentétate à une dose standard de 0,1 mmol/kg de poids corporel et un débit de 2 mL/s, suivie d’un rinçage saline de 20 mL, des images T1WI axées, sagittales et coronales renforcées par contraste ont été obtenues en utilisant les mêmes paramètres que la séquence T1-SPGR 3D précontrastée.

Séquence d’imagerie APT : L’imagerie APT a été réalisée à l’aide d’une séquence d’impulsions d’écho gradient bidimensionnelle avec les paramètres suivants : TR/TE = 3 000/3,5 ms, épaisseur de tranche = 5 mm, champ de vision visuel = 24 cm × 24 cm, matrice = 128 × 128, nombre d’excitations = 2, et un temps total d’acquisition de 4 min et 32 s. Une impulsion de saturation en onde continue d’une durée de 2 s et d’une puissance (B₁) de 2 μT a été appliquée à des décalages de fréquence allant de −6 à +6 parties par million (ppm) (par étapes de 0,5 ppm), incluant la fréquence de résonance de l’eau à 0 ppm. Sous le champ magnétique principal (B₀), l’impulsion de saturation a été spécifiquement appliquée à la fréquence de résonance en fond de champ de +3,5 ppm par rapport à la résonance du proton de l’eau (0 ppm), correspondant au taux d’échange chimique du proton amide. Avant l’acquisition de l’APT, l’inhomogénéité B₀ était corrigée à l’aide d’une approche de référence par décalage de saturation de l’eau (WASSR) avec des paramètres de saturation identiques à ceux du balayage principal de l’APT mais à une amplitude B₁ réduite de 0,5 μT. Après balayage, des images pondérées par APT et des cartes d’asymétrie du rapport de transfert de magnétisation (MTRasym) à 3,5 ppm ont été automatiquement générées par le logiciel intégré du scanner en calculant l’asymétrie du rapport de transfert de magnétisation : MTRasym(3,5 ppm)=[S(−3,5 ppm) − S(+3,5 ppm)] / S(0 ppm) où S(Δω) représente l’intensité du signal avec l’impulsion de saturation appliquée au décalage de fréquence indiqué Δω par rapport à la résonance de l’eau. La valeur positive de MTRasym à 3,5 ppm reflète principalement l’effet de transfert de protons amide, car le transfert de magnétisation (MT) et les effets d’Overhauser nucléaires sont approximativement symétriques par rapport à la résonance de l’eau et sont donc annulés par le calcul de l’asymétrie.

Analyse d’image :

Toutes les données d’imagerie ont été analysées indépendamment par deux neuroradiologues ayant plus de 5 ans d’expérience sur un logiciel de visualisation d’images. La délimitation par région d’intérêt (ROI) a été réalisée selon les procédures standardisées suivantes :

Région solide tumorale : Sur les images T1WI améliorées par contraste, un ROI a été dessiné manuellement le long de la marge de rehausse de la tumeur, en évitant soigneusement les zones nécrotiques, kystiques et d’œdème péritumoral. Le ROI a été dessiné pour englober l’ensemble de la composante solide sur la tranche avec le diamètre maximal de la tumeur.

Région hyperintense T2 : Sur les images T2WI, un ROI a été dessiné manuellement pour englober toute la zone hyperintense, incluant à la fois la tumeur et l’œdème péritumoral environnant. La limite était définie comme la marge visible à laquelle l’hyperintensité rencontrait le parenchyme cérébral à l’apparence normale.

Région anormale du signal APT : Sur les cartes MTRasym pondérées par APT, en utilisant la substance blanche d’apparence normale contralatérale comme référence, un ROI a été dessiné manuellement pour inclure toutes les zones dont l’intensité du signal est supérieure à la moyenne du tissu normal de référence plus 2 écarts-types. Cette approche basée sur le seuil a été appliquée à la même tranche que le diamètre maximal de la tumeur. Le ROI de référence contralatérale a été placé dans le centre semiovale, situé en miroir de la tumeur, avec une surface d’environ 100mm2.

Pour la cohérence, chaque ROI a été mesuré trois fois sur des tranches consécutives centrées sur le diamètre maximal de la tumeur, et la valeur moyenne a été enregistrée pour analyse. Toutes les délimitations de ROI ont été réalisées indépendamment par les deux évaluateurs, et toute écart a été résolue par consensus. L’accord entre observateurs a été évalué à l’aide du coefficient de corrélation intraclasse (ICC), avec un ICC > 0,80 indiquant un excellent accord.

Les paramètres suivants ont été mesurés et calculés :

Intensité moyenne du signal APT (moyenne APT) : La valeur moyenne de MTRasym à 3,5 ppm dans le ROI de la région solide tumorale.

Calcul du ratio régional :

RAPT/T2 : Le rapport entre la surface de la région anormale du signal APT et la zone de la région hyperintense T2WI (RAPT / RT2).

RAPT/E : Le rapport entre la surface de la région anormale du signal APT et la zone de la région d’amélioration du contraste T1WI (RAPT / RE).

Mesures cliniques des résultats

Les principales mesures d’évaluation de cette étude étaient les paramètres d’imagerie et leur efficacité diagnostique, plutôt que les résultats cliniques thérapeutiques. Résultats d’imagerie primaires : valeursmoyennes de l’APT pour chaque groupe (méningiome, LGG, HGG), ainsi que les rapports RAPT/T2 et RAPT/E pour les groupes LGG et HGG.

Analyse statistique

Des variables continues ont été testées pour la normalité à l’aide du test de Shapiro-Wilk. Les données normalement distribuées sont présentées en moyenne ± écart-type (SD) et comparées à l’analyse unidirectionnelle de la variance (ANOVA) (Bonferroni post-hoc). Les données non normales et les données ordinales sont présentées sous forme de M (Q₁, Q₃) et comparées à l’aide du test H de Kruskal-Wallis (test de Dunn avec correction de Bonferroni). Les données catégorielles sont présentées comme n ( %) et comparées à l’aide du chi-carré ou du test exact de Fisher. Les courbes ROC ont été tracées pour évaluer la performance diagnostique. Tous les tests étaient à double sens ; P < 0,05 était considéré comme significatif.

Résultats

Caractéristiques de base et cliniques

Des différences significatives ont été observées parmi les trois groupes de patients en termes d’âge, de score de Karnofsky Performance Status (KPS), de symptômes présentants initiaux et de grade OMS (P < 0,001). Les patients du groupe HGG étaient plus âgés, présentaient des scores de KPS plus faibles et présentaient plus fréquemment des déficits neurologiques focaux comme symptôme initial. En revanche, les patients du groupe LGG présentaient principalement des crises comme symptôme initial. Aucune différence significative n’a été trouvée entre les trois groupes concernant le sexe, l’indice de masse corporelle (IMC) ou la localisation de la tumeur (lobes frontaux, temporaux, pariétaux, occipitaux) (P > 0,05) (Tableau 1).

Extension tumorale IRM et paramètres liés à l’APT

Le tableau 2 présente les résultats comparatifs entre l’étendue de la tumeur par IRM conventionnelle et les paramètres liés à l’APT entre les trois groupes de patients. Le degré d’amélioration du contraste a montré des différences significatives entre les groupes (P < 0,001), le groupe méningiome présentant le degré d’amélioration le plus élevé et le groupe LGG le plus faible. Aucune différence statistiquement significative n’a été observée entre les trois groupes concernant les zones de T2 hyperintense (RT2), de région de contraste (RE) ou de région anormale du signal APT (RPT) (P > 0,05), ce qui suggère des volumes tumoraux globaux définis par imagerie comparables entre les groupes.

Cependant, les paramètres liés à l’APT ont montré des différences significatives entre groupes (P < 0,001). L’intensité moyenne du signal APT (moyenne APT) était la plus élevée dans le groupe HGG (médiane 4,60 %), dépassant nettement à la fois celle du groupe LGG (2,95 %) et du groupe méningiome (2,70 %). De plus, les rapports de la zone anormale de l’APT à la zone hyperintense T2 (RAPT/T2) et à la zone à contraste (RAPT/E) étaient également significativement plus élevés dans le groupe HGG par rapport aux deux autres groupes.

Comparaisons par paires des paramètres liés à l’APT entre méningiomes, LGG et HGG

Le tableau 3 présente d’autres comparaisons par paires des paramètres liés à l’APT entre les trois groupes. Les résultats sont les suivants : Groupe méningiome vs. Groupe LGG : Des différences significatives ont été observées au niveau du degré d’amélioration, RAPT/T2 et RAPT/E (P < 0,001), tandis qu’aucune différence statistiquement significative n’a été trouvée dans la moyenne APT (P = 0,241). Groupe méningiome vs. groupe HGG : Des différences significatives ont été observées dans APTmean, RAPT/T2 et RAPT/E (P < 0,001), tandis que le degré d’amélioration n’a montré aucune différence significative (P = 0,160). Groupe LGG vs. Groupe HGG : Des différences significatives ont été observées dans le degré d’amélioration et la moyenne d’APT (P<0,001), tandis que RAPT/T2 et RAPT/E n’ont montré aucune différence statistiquement significative (P > 0,05). Ces résultats indiquent que l’APTmean est précieux pour distinguer les HGG des méningiomes et pour différencier les grades de gliome. Inversement, RAPT/T2 et RAPT/E démontrent une plus grande valeur discriminatoire pour distinguer les LGG des méningiomes.

Paramètres liés à l’APT pour différencier les méningiomes et les LGG

Les résultats du test de Dunn ont indiqué des différences statistiquement significatives entre les LGG et les méningiomes dans le degré d’amélioration (P < 0,001), le RAPT/T2 (P < 0,001) et les valeurs RAPT/E (P < 0,001). Cependant, la différence en moyenne APTs n’était pas significative (P > 0,05). Par conséquent, le degré d’amélioration, RAPT/T2 et RAPT/E, peut aider à différencier les LGG des méningiomes. Le degré d’amélioration était significativement plus marqué chez les méningiomes que chez les LGG, et les changements observés sur les images d’APT dus aux LGG étaient plus prononcés que ceux causés par les méningiomes. Cependant, comme lesvaleurs moyennes de l’APT pour les LGG étaient proches de celles des méningiomes, ce paramètre n’est pas adapté au diagnostic différentiel dans ce contexte.

L’analyse de la courbe ROC a révélé qu’en différenciant les méningiomes des LGG, le degré d’amélioration, le rapport RAPT/E et le rapport RAPT/T2 présentaient tous une valeur diagnostique significative (tous P < 0,001). Le degré d’amélioration a donné la zone la plus élevée sous la courbe (AUC) de 0,926 (intervalle de confiance [IC] à 95 % : 0,842–0,974), démontrant d’excellentes performances diagnostiques. Les AUC pour RAPT/E et RAPT/T2 étaient respectivement de 0,781 (IC 95 % : 0,670–0,868) et 0,734 (IC 95 % : 0,619–0,829), indiquant leur bonne performance diagnostique pour distinguer ces deux types de tumeurs. Il est à noter que l’APTmean n’a montré aucune différence significative entre les deux groupes (P > 0,05) et n’est donc pas applicable pour différencier les méningiomes des LGG. Ces résultats sont résumés dans le tableau 4 et la figure 2.

Paramètres liés à l’APT pour différencier les méningiomes et les HGG

Les résultats du test de Dunn ont indiqué des différences statistiquement significatives entre HGG et méningiomes dans les valeurs d’APTmean (P < 0,001), RAPT/E (P < 0,001) et RAPT/T2 (P < 0,001). Cependant, le degré d’amélioration n’a pas montré de signification statistique (P > 0,05). Cela suggère que l’APTmean, le RAPT/E et le RAPT/T2 pourraient aider à différencier les HGG des méningiomes. Lamoyenne de l’APT des HGG était significativement plus élevée que celle des méningiomes, et l’étendue de l’anomalie sur les images d’APT associée aux HGG était plus prononcée que celle observée chez les méningiomes. Puisque le degré d’amélioration pour les méningiomes et les HGG est généralement modéré ou marqué, ce paramètre ne faisait pas de distinction entre ces deux entités dans cette cohorte.

En différenciant les méningiomes des HGG, APTmean, RAPT/E et RAPT/T2 ont tous montré d’excellentes performances diagnostiques (tous P < 0,001). Parmi eux, APTmean a atteint le taux d’AUC le plus élevé de 0,969 (IC 95 % : 0,906–0,994), indiquant une capacité discriminatoire très élevée. Les AUC pour RAPT/E et RAPT/T2 étaient respectivement de 0,836 (IC 95 % : 0,740–0,908) et 0,800 (IC 95 % : 0,699–0,879), ce qui soutient davantage la valeur clinique de l’imagerie par PA pour distinguer ces deux types de tumeurs. En revanche, le degré d’amélioration n’a montré aucune différence significative entre les deux groupes (P > 0,05) et manquait d’utilité diagnostique pour cette différenciation. Ces résultats sont résumés dans le tableau 5 et la figure 3.

Paramètres liés à l’APT pour différencier les LGG et les HGG

Les résultats du test de Dunn ont indiqué que le degré d’amélioration et de moyenne de l’APT différait significativement entre les LGG et les HGG (P < 0,001). Cependant, RAPT/E et RAPT/T2 n’ont montré aucune signification statistique (P > 0,05). Cela suggère que la moyenne APTe et le degré d’amélioration sont plus efficaces pour distinguer les HGG des LGG. Les HGG présentent généralement un degré d’amélioration plus élevé et une moyenne APT plus élevée que les LGG.

En distinguant les LGG et les HGG, le degré d’amélioration et la moyenne de l’APTmean ont tous deux démontré une efficacité diagnostique significative (tous deux P < 0,001). APTmean a atteint un AUC de 0,916 (IC 95 % : 0,802–0,976), ce qui était supérieur au degré d’amélioration (AUC = 0,823, IC à 95 % : 0,689–0,917). Cela indique que la moyenne APTs a offert une plus grande précision diagnostique pour la classification du gliome dans cette cohorte. En revanche, RAPT/E et RAPT/T2 n’ont montré aucune différence significative entre les deux groupes (P > 0,05) et n’ont pas montré de valeur diagnostique pour la notation dans cette cohorte. Ces résultats sont résumés dans le tableau 6 et la figure 4.

Disponibilité des données

Les données originales soutenant cette étude ont été soumises sous forme de documents complémentaires.

figure-results-1
Figure 1 : Flux de travail de sélection des patients et d’analyse d’imagerie. Abréviations : APT = transfert de protons amide ; ROI = région d’intérêt ; ROC = caractéristique de fonctionnement du récepteur ; T2WI = imagerie pondérée en T2 ; CE-T1WI = imagerie pondérée T1 avec contraste ; RAPT = zone de signal anormale APT ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

figure-results-2
Figure 2 : Différenciation entre méningiomes et gliomes de faible grade. Analyse de la courbe caractéristique de fonctionnement du récepteur pour différencier les méningiomes et les LGG. Abréviations : APT = transfert de protons amide ; LGG = gliome de bas grade ; RAPT = zone de signal anormale APT ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

figure-results-3
Figure 3 : Différenciation entre méningiomes et gliomes de haut grade. Analyse de la courbe caractéristique de fonctionnement du récepteur pour différencier les méningiomes des HGG. Abréviations : APT = transfert de protons amide ; HGG = gliome de haut grade ; RAPT = zone de signal anormale APT ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface améliorée ; APTmean = intensité moyenne du signal de transfert de protons amide. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

figure-results-4
Figure 4 : Différenciation entre les gliomes de faible grade et les gliomes de haut grade. Analyse de la courbe caractéristique de fonctionnement du récepteur pour différencier LGG et HGG. Abréviations : APT = transfert de protons amide ; LGG = gliome de bas grade ; HGG = gliome de haut grade ; APTmean = intensité moyenne du signal de transfert de protons amide. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

CaractéristiquesGroupe méningiome (n=55)Groupe LGG (n=20)Groupe HGG (n=30)StatistiquesP
Âge (années)54,65±8,2141,50±10,4958.17±9.75F=21,595<0,001
Sexe (n, %)
homme17 (30.91)10 (50.00)13 (43.33)χ²=2.7550.252
femme38 (69.09)10 (50.00)17 (56.67)
IMC (kg/m 2)24.26±3.1823,59±2,8724,35±3,25F=0,4120.664
Localisation de la tumeur, n ( %)
Lobe frontal19 (34.55)8 (40.00)12 (40.00)-0.978
Lobe temporal13 (23.64)6 (30.00)8 (26.67)
Lobe pariétal13 (23.64)4 (20.00)6 (20.00)
Lobe occipital10 (18.18)2 (10.00)4 (13.33)
Score KPS, M (Q₁, Q₃)90.00 (80.00,95.00)75.00 (70.00,100.00)70.00 (60.00,90.00)19.152#<0,001
Symptômes initiaux, n ( %)
Mal de tête23 (41.82)6 (30.00)10 (33.33)-<0,001
Épilepsie14 (25.45)12 (60.00)4 (13.33)
Déficit neurologique focal10 (18.18)2 (10.00)16 (53.33)
Autres8 (14.55)0 (0.00)0 (0.00)
Note OMS, n ( %)
Grade I36 (65.45)16 (80.00)0 (0.00)-<0,001
Grade II19 (34.55)4 (20.00)0 (0.00)
Grade III0 (0.00)0 (0.00)16 (53.33)
Grade IV0 (0.00)0 (0.00)14 (46.67)

Tableau 1 : Caractéristiques de base et cliniques du patient. Note : F = ANOVA ; # = Test de Kruskal-Wallis ; χ2 = test du chi-carré ; - = Le test exact de Fisher. Abréviations : IMC = indice de masse corporelle ; KPS = Statut de performance de Karnofsky ; OMS = Organisation mondiale de la santé ; LGG = gliome de bas grade ; HGG = gliome de haut grade.

VariablesGroupe méningiome (n=55)Groupe LGG (n=20)Groupe HGG (n=30)StatistiquesP
Informations MR
Amélioration4.00 (3.00, 4.00)2.00 (2.00, 3.00)3.00 (3.00, 4.00)38.199#<0,001
Étendue tumorale de l’IRM (mm2)
RT21690.00 (1440.00, 1840.00)1650.00 (1550.00, 1750.00)1500.00 (1387.50, 1887.50)0.898#0.638
RE1720.00 (1470.00, 1890.00)1625.00 (1500.00, 1850.00)1675.00 (1462.50, 1800.00)0.729#0.695
RAPT1860.00 (1555.00, 2090.00)1925.00 (1637.50, 2062.50)2020.00 (1762.50, 2100.00)3.821#0.148
Paramètres de l’APT
APT veut dire2.70 (2.50, 3.10)2.95 (2.77, 3.23)4.60 (4.23, 5.25)54.875#<0,001
RAPT/T2102.65 (101.97, 108.15)114.29 (105.26, 125.00)116.67 (106.48, 123.81)23.938#<0,001
RAPT/E101.04 (100.78, 105.81)110.00 (106.06, 113.38)120.69 (109.60, 123.33)32.374#<0,001

Tableau 2 : Comparaison de l’étendue tumorale par IRM et des paramètres liés à l’APT entre les patients gliome et méningiome, M (Q₁, Q₃). Note : # = test de Kruskal-Wallis. Abréviations : IRM = imagerie par résonance magnétique ; APT = transfert de protons amide ; RT2 = zone hyperintense T2 ; RE = zone améliorée ; RAPT = zone de signal anormale APT ; APTmoyenne = intensité moyenne du signal de transfert de protons amide ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée.

VariablesGroupe méningiome vs. groupe LGGGroupe méningiome vs. groupe HGGGroupe LGG vs. Groupe HGG
AméliorationZ=7,329P<0,001Z=1,933P=0,160Z=8.102P<0,001
APT veut direZ=1,749P=0,241Z=7,388P<0,001Z=4,226P<0,001
RAPT/T2Z=3.078P<0,001Z=4,564P<0,001Z=0,804P=0,421
RAPT/EZ=3.303P<0,001Z=5,423P<0,001Z=1,276P=0,606

Tableau 3 : Comparaisons par paires des paramètres liés à l’APT entre méningiomes, gliomes de faible grade et gliomes de haut grade. Abréviations : APT = transfert de protons amide ; LGG = gliome de bas grade ; HGG = gliome de haut grade ; APTmoyenne = intensité moyenne du signal de transfert de protons amide ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée.

IndicateursAUCSEIC à 95 %ZP
Amélioration0.9260.0280.842-0.97415.365<0,001
RAPT/T20.7340.0710.619-0.8293.284<0,001
RAPT/E0.7810.0530.670-0.8685.287<0,001

Tableau 4 : L’AUC des différents indicateurs pour différencier les méningiomes et les LGG. Abréviations : LGG = gliome de bas grade ; APT = transfert de protons amide ; AUC = surface sous la courbe ; SE = erreur standard ; IC = intervalle de confiance ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée.

IndicateursAUCSEIC à 95 %ZP
APT veut dire0.9690.0170.906-0.99427.488<0,001
RAPT/T20.8000.0510.699-0.8795.865<0,001
RAPT/E0.8360.0450.740-0.9087.603<0,001

Tableau 5 : L’AUC des différents indicateurs pour différencier les méningiomes et les HGG. Abréviations : HGG = gliome de haut grade ; APT = transfert de protons amide ; AUC = surface sous la courbe ; SE = erreur standard ; IC = intervalle de confiance ; RAPT/T2 = rapport entre la zone anormale de l’APT et la zone hyperintense de la T2 ; RAPT/E = rapport entre la surface anormale de l’APT et la surface augmentée.

IndicateursAUCSEIC à 95 %ZP
Amélioration0.8230.0550.689-0.9175.851<0,001
APT veut dire0.9160.0530.802-0.9767.909<0,001

Tableau 6 : L’AUC des différents indicateurs pour différencier les LGG et les HGG. Abréviations : LGG = gliome de bas grade ; HGG = gliome de haut grade ; APTmoyenne = intensité moyenne du signal de transfert de protons amide ; AUC = surface sous la courbe ; SE = erreur standard ; IC = intervalle de confiance.

Discussion

Distinguer avec précision entre gliomes et méningiomes avant l’opération et délimiter précisément les limites présumées d’infiltration tumorale à l’imagerie constituent des défis fondamentaux en neuro-oncologie, impactant directement les stratégies de traitement et le pronostic ultime des patients. Cette étude, basée sur l’APT, une technique émergente de résonance magnétique moléculaire, a évalué systématiquement sa valeur d’application pour différencier les gliomes de divers degrés des méningiomes. De plus, en introduisant le paramètre du rapport d’étendue spatiale, nous avons exploré et évalué en profondeur les caractéristiques d’imagerie liées à l’invasivité tumorale. Les résultats confirment que l’imagerie de l’APT, exploitant son mécanisme unique de contraste biochimique, a un potentiel de complément à l’IRM conventionnelle dans le diagnostic différentiel, notamment pour distinguer les HGG, son paramètre d’intensité du signalAPT démontrant une excellente efficacité. Plus important encore, cette étude a révélé que quantifier la différence entre l’étendue spatiale du signal anormal de l’APT et l’étendue de la lésion observée sur l’IRM conventionnelle—à savoir les rapports RAPT/T2 et RAPT/E—peut efficacement résoudre la difficulté clinique de différencier les LGG des méningiomes. Cette approche offre également une nouvelle méthode d’imagerie très prometteuse pour l’évaluation non invasive de l’étendue présumée de l’infiltration du gliome.

L’une des conclusions principales de cette étude est l’utilité potentielle de l’intensité moyenne du signal APT (moyenne APT) comme biomarqueur de la malignité tumorale, en particulier pour distinguer HGG des LGG et des méningiomes. Les données de cette étude montrent que les valeurs moyennes d’APT des HGG sont significativement plus élevées que celles des deux autres groupes. En distinguant entre HGG et méningiomes, l’AUC était excellent à 0,969. De plus, il a montré une forte efficacité diagnostique pour distinguer les gliomes de haut grade des de faible grade, avec une valeur AUC de 0,916. Cette différence significative de signal est profondément enracinée dans la base physiopathologique des tumeurs. La technologie APT détecte l’échange chimique entre les protons amides sur les protéines mobiles/les colonnes vertébrales polypeptidiques et les protons d’eau à l’intérieur des tissus, son intensité du signal étant directement liée à la concentration de ces macromolécules et au pH du microenvironnementtissulaire 35. Les caractéristiques histologiques des HGG incluent une densité cellulaire élevée, une atypie importante et une activité mitotique active, associées à une synthèse protéique anormalement vigoureuse et à un catabolisme, conduisant à une expansion marquée du pool intracellulaire de protéines et de polypeptideslibrement mobiles 36. Parallèlement, pour répondre aux besoins énergétiques de leur prolifération rapide, les HGG présentent souvent une glycolyse aérobie intense, connue sous le nom d’effet Warburg, produisant et accumulant d’importantes quantités de métabolites acides, tels que l’acide lactique, acidifiant ainsi significativement le microenvironnement tumoral. L’augmentation de la teneur en protéines et la diminution du pH augmentent collectivement le transfert de saturation en protons amides, se manifestant finalement par un signal caractéristique élevé sur les imagesAPT 37. En revanche, bien que certains sous-types de méningiomes puissent être très cellulaires, la grande majorité sont des malignités bénignes ou de faible grade, avec des taux de prolifération bien inférieurs à ceux des HGG, et leurs niveaux métaboliques protéiques ainsi que les variations du pH microenvironnemental sont relativement modérés. Les LGG possèdent également une certaine activité proliférative, mais leur degré de malignité et leur intensité métabolique ne peuvent être comparés à ceux desHGG 38. Dans l’IRM conventionnelle, les méningiomes et les HGG peuvent présenter une amélioration significative. Cependant, APTmean peut les différencier d’un point de vue métabolique, compensant ainsi les limites de l’imagerie structurelle. De plus, l’imagerie par TAP peut refléter directement des changements microscopiques dans le métabolisme tumoral et peut capturer de manière plus sensible les zones suggérant une infiltration précoce et des anomalies métaboliques que l’IRM conventionnelle. L’augmentation de l’APTmoyenne dans les HGG est non seulement associée à la région tumérale solide, mais peut également indiquer une activité cellulaire microscopique dans la zone d’œdème péritumoral, ce qui suggère radiologiquement une infiltration, bien que cela reste à confirmer par l’histopathologie.

Cette étude a révélé les limites de la seule utilisation des valeurs de moyenne APT pour distinguer les LGG des méningiomes et a résolu ce problème en utilisant les paramètres de rapport d’étendue spatiale RAPT/T2 et RAPT/E. Les résultats n’ont montré aucune différence significative dans les valeurs de moyenne d’APTs entre les LGG et les méningiomes, ce qui pourrait refléter un certain chevauchement dans l’activité de prolifération cellulaire et la teneur en protéines entre les deux. Cependant, lorsque la dimension analytique est passée de l’intensité du signal à la distribution spatiale, un schéma de différenciation clair est apparu. Les rapports RAPT/T2 et RAPT/E étaient significativement plus élevés chez les LGG que chez les méningiomes, indiquant une efficacité diagnostique relativement élevée, avec des AUC de 0,734 et 0,781 respectivement. La caractéristique biologique la plus fondamentale des gliomes, quel que soit leur grade, est leur schéma de croissance diffus et infiltratif. Les cellules tumorales peuvent activement se détacher de la masse tumorale principale et migrer le long de structures anatomiques telles que les voies nerveuses et les espaces périvasculaires, infiltrant le parenchyme cérébral environnant, apparemmentnormal 39,40. Ces foyers microscopiques de dissémination cellulaire dépassent souvent les limites de l’œdème définies par l’IRM conventionnelle (séquences pondérées T2 ou FLAIR) et sont bien plus étendus que les zones de perturbation de la barrière hémato-encéphalique visibles sur les scanners avec contraste. En raison de sa forte sensibilité à la densité cellulaire et à l’état métabolique, l’imagerie APT peut détecter des régions présentant des altérations du signal radiologiquement suggérant des agrégats de cellules tumorales aux premiers stades de l’infiltration, avant qu’elles ne forment des lésions macroscopiques ou n’induisent un œdème important. Cela conduit à une zone de signal anormal significativement plus grande sur les images APT (RAPT) par rapport à l’étendue tumorale définie par l’IRM conventionnelle (RT2 ou RE). En revanche, les méningiomes présentent généralement une croissance expansive avec des marges bien définies, avec une frontière claire entre le tissu tumoral et le cerveau normal. Par conséquent, l’étendue de leur anomalie métabolique (RAPT) coïncide en grande partie avec les limites structurelles ou d’amélioration observées sur l’IRM conventionnelle, ce qui aboutit à des rapports RAPT/T2 et RAPT/E approchant 100 %41. Cette métrique d’analyse quantitative, basée sur les différences dans les schémas de croissance, différencie efficacement les LGG des méningiomes radiologiquement similaires, offrant un outil diagnostique innovant pour la pratique clinique.

L’IRM conventionnelle, en particulier FLAIR, fournit déjà des informations précieuses sur le gliome. Le signe de désaccord T2/FLAIR est un marqueur très spécifique pour l’astrocytome isocitrate déshydrogénase (IDH), 1p/19q-cosupprimé, facilitant le sous-typage préopératoire et la classification42. FLAIR définit également la zone hyperintense péritumorale qui, bien que non spécifique, reflète un mélange d’œdème, d’infiltration et de gliose43. Combinée à l’imagerie de l’APT, FLAIR aide à contextualiser l’écart spatial entre les anomalies de l’APT et l’hyperintensité conventionnelle de la T2, améliorant l’inférence radiologique d’infiltration au-delà du noyau44 de renforcement.

Au-delà de l’IRM, d’autres modalités offrent des informations diagnostiques complémentaires. La tomodensitométrie (CT) est précieuse pour détecter la calcification intratumorale — plus fréquente dans les méningiomes et oligodendrogliomes, rares chez les HGG — ce qui peut aider lorsque l’IRM est équivoqueà 45. La perfusion CT mesure le volume sanguin cérébral (CBV) : les méningiomes présentent généralement un CBV nettement élevé, tandis que les gliomes présentent des schémas variables, bien que le chevauchement entre HGG hypervasculaire et méningiomes limite leur utilitéautonome à 46. 11La tomographie par émission de positons (PET) à la C-méthionine (11C-MET) produit des traces de transport d’acides aminés et de synthèse protéique, distinguant efficacement les gliomes des méningiomes ; il est important de noter qu’il révèle souvent une captation anormale au-delà des régions de contraste ou T2/FLAIR, analogue à nos rapports spatiaux basés surl’APT 47. L’intégration de l’APT avec la calcification CT, la perfusion CT et le 11CMET PET pourrait améliorer de manière synergique la précision diagnostique et la planification du traitement. Cependant, des considérations pratiques telles que l’exposition aux radiations, le coût, la disponibilité et le temps d’examen doivent être soigneusement prises en compte lors du choix de la stratégie d’imagerie optimale pour chaque patient.

S’appuyant sur la découverte que l’imagerie APT peut détecter des signaux associés à la tumeur au-delà des limites définies par l’IRM conventionnelle, visualiser et quantifier ces signaux peut être cliniquement significatif. Premièrement, dans la planification chirurgicale, les chirurgiens pourraient, en théorie, utiliser les régions anormales de signaux définies par l’APT comme informations complémentaires aux côtés de lésions augmentant le contraste et des zones hyperintenses de T2 lors du choix des cibles chirurgicales, ce qui correspond conceptuellement à la « résection supramarginale ». Cependant, il est crucial de souligner qu’il s’agit d’une hypothèse radiologique. La présence réelle de cellules tumorales dans les régions à haute altitude de l’APT nécessite une validation par biopsie stéréotaxique guidée par image. Sans une telle corrélation pathologique, les marges définies par l’APT doivent être considérées comme des informations d’imagerie complémentaires plutôt que comme des limites tumorales confirmées. Cette stratégie de résection guidée par imagerie détient théoriquement le potentiel d’éliminer plus complètement la maladie résiduelle microscopique si le signal APT correspond effectivement à une infiltration tumorale, réduisant ainsi potentiellement les taux de récidive postopératoire et prolongeant la survie sans progression ainsi que la survie globale des patients. Deuxièmement, dans l’élaboration des plans de radiothérapie, le volume tumoral biologique (BTV) défini par l’APT pourrait servir d’information complémentaire pour définir le volume tumoral brut/volume clinique cible (GTV/CTV) basé sur l’imagerie anatomique traditionnelle. Si cela est validé, cela pourrait permettre à la planification radiologique de mieux prendre en compte les zones à potentiel prolifératif tout en épargnant le tissu cérébral normal environnant. Troisièmement, pour la biopsie stéréotaxique des gliomes non améliorants, l’imagerie par APT peut aider à orienter la biopsie vers les zones ayant les valeurs de signal les plus élevées. Cela peut augmenter la probabilité d’acquisition de tissu de valeur diagnostique et réduire le sous-engrade pathologique dû à l’erreur d’échantillonnage.

L’étude de Sartoretti et al.48 a démontré que l’intégration de l’imagerie APT avec la radiomique et les algorithmes d’apprentissage automatique peut encore en extraire la valeur informationnelle de haut niveau, permettant ainsi une différenciation de haute précision entre HGG, LGG et métastases. Leur modèle de perceptron multicouche a atteint une AUC de 0,836 pour distinguer les gliomes primaires des métastases. Cela suggère que l’imagerie APT sert non seulement de biomarqueur indépendant, mais présente également des promesses pour ses fonctionnalités d’imagerie en haute dimension, lorsqu’elle est combinée à des modèles d’intelligence artificielle à l’avenir, pour construire des outils diagnostiques intelligents puissants capables de segmenter automatiquement les tumeurs, d’inférer les limites d’infiltration présumées et de prédire les sous-types moléculaires, ouvrant ainsi de nouvelles voies pour le diagnostic et le traitement précis de la neuro-oncologie. S’appuyant sur cette base, la présente étude approfondit et élargit encore les limites d’application clinique de l’imagerie de l’APT. Nos recherches ne se concentrent pas seulement sur la distinction des types de tumeurs, mais portent également spécifiquement sur l’évaluation des caractéristiques d’imagerie liées à l’étendue de l’infiltration tumorale. En proposant les rapports RAPT/T2 et RAPT/E, nous fournissons des preuves d’imagerie pouvant soutenir une inférence non invasive des frontières d’infiltration du gliome. De plus, cette étude a sélectionné les méningiomes — tumeurs souvent confondues avec des gliomes lors de l’IRM conventionnelle, surtout dans les cas atypiques — comme groupe témoin, abordant ainsi directement un problème diagnostique différentiel clinique plus complexe. Concernant l’interprétation des paramètres, les paramètres APTmean et du rapport spatial utilisés dans cette étude présentent des corrélats physiopathologiques plus clairs, ce qui les rend plus faciles à comprendre et à adopter en pratique clinique que les caractéristiques radiomiques d’ordre supérieur. Ainsi, cette étude valide non seulement la valeur de l’APT dans le diagnostic différentiel complexe, mais facilite également sa transformation d’un outil diagnostique à un outil pouvant soutenir la planification chirurgicale et radiothérapeutique.

La réussite de la mise en œuvre de l’APT repose sur plusieurs étapes critiques du protocole. Premièrement, la correction B₀ via WASSR (comme décrit dans la section Protocole) est essentielle ; l’omettre peut introduire des élévations de MTRasym spuries de 1,5 à 2,0 %. Pour les centres dépourvus de WASSR, la cartographie alternative sur le terrain est moins précise mais acceptable. Deuxièmement, les artefacts de mouvement pendant l’acquisition de ~4,5 minutes sont le piège le plus courant ; nous recommandons des tampons d’immobilisation et, si le mouvement est visuellement visible sur les cartes MTRasym, la répétition immédiate de la séquence. Troisièmement, la cohérence du ROI dépend de l’opérateur — notre seuil 2-SD (moyenne normale controlatérale de la substance blanche + 2SD) a donné un excellent accord interobservateur (ICC > 0,80), et nous recommandons une formation initiale sur 10 cas pilotes pour calibrer la sélection des seuils entre différentes plateformes de scanners. Pour l’adoption clinique, le temps de scan de ~4,5 minutes est acceptable dans la plupart des protocoles de neuro-oncologie ; Nous suggérons une approche progressive — en commençant par des cas atypiques complexes — afin de développer une expertise locale sans perturber le flux de travail routinier. Il est important de noter que ces choix procéduraux sont directement à la base de nos résultats : les paramètres de saturation standardisés (2 s, B₁ = 2 μT) ont assuré des mesures MTRasym cohérentes entre les groupes, le seuil 2-SD a rendu RAPT/T2 et RAPT/E stables selon les tailles tumorales, et la lecture consensuelle a éliminé le biais individuel du lecteur. Ainsi, la rigueur méthodologique détaillée dans notre protocole n’est pas seulement formelle mais fonctionnellement requise pour la performance diagnostique que nous avons observée.

Plusieurs limites de cette étude doivent être reconnues. Premièrement, il s’agissait d’une étude rétrospective monocentrique avec une taille d’échantillon globale relativement limitée, et il est notable que la taille des sous-groupes était déséquilibrée (méningiome, n = 55 ; LGG, n = 20 ; HGG, n = 30). Le faible nombre de cas de LGG peut avoir réduit la puissance statistique pour certaines comparaisons par paires et limité la généralisation de nos résultats. Deuxièmement, nos analyses ROC ont été dérivées de la même cohorte utilisée pour le développement du modèle, sans cohorte de validation interne ou externe indépendante. Cette approche est connue pour surestimer potentiellement la performance diagnostique ; ainsi, nos valeurs AUC rapportées nécessitent une interprétation prudente et doivent être confirmées dans de futures études prospectives multicentriques avec des ensembles de tests indépendants. Troisièmement, nous n’avons pas réalisé d’analyses de régression multivariées pour ajuster les facteurs de confusion potentiels (par exemple, âge, taille de tumeur, localisation ou volume d’œdème péritumoral), car de tels ajustements seraient statistiquement instables compte tenu de la taille limitée de l’échantillon par sous-groupe. Les futures études à plus grande échelle devraient intégrer ces covariables afin d’évaluer la contribution indépendante des paramètres de l’APT. Quatrièmement, nos comparaisons ROC étaient exploratoires et n’ont pas subi de correction pour plusieurs tests ; par conséquent, ces résultats doivent être considérés comme préliminaires et générant des hypothèses plutôt que comme confirmateurs. Cinquièmement, bien que nos résultats d’imagerie suggèrent une infiltration tumorale au-delà des limites conventionnelles de l’IRM, nous manquons de confirmation histopathologique issue d’une biopsie stéréotaxique guidée par image. La correspondance réelle entre les anomalies du signal de l’APT et la véritable infiltration des cellules tumorales reste à valider. Enfin, les techniques d’imagerie APT sont encore en évolution, et les variations de la force du champ, des plateformes de scanner et des algorithmes de post-traitement peuvent affecter la reproductibilité des mesures ; La normalisation technique est essentielle avant une adoption clinique généralisée. Malgré ces limites, notre étude constitue une base pour de futures recherches intégrant l’imagerie APT avec la radiomique et l’intelligence artificielle afin d’améliorer davantage la caractérisation préopératoire des tumeurs et la planificationchirurgicale 49.

En résumé, la stratégie d’imagerie APT multiparamètre proposée dans cette étude — intégrant l’intensité moyenne du signal APT avec les rapports d’étendue spatiale (RAPT/T2 et RAPT/E) — fournit un cadre d’imagerie complémentaire pour la différenciation préopératoire des gliomes des méningiomes et fournit des informations dérivées de l’imagerie qui peuvent servir de référence radiologique pour déduire l’étendue de l’infiltration du gliome. Nos résultats suggèrent que cette approche combinée améliore la performance diagnostique au-delà de l’IRM conventionnelle, notamment pour distinguer les HGG des méningiomes et caractériser les anomalies du signal spatial pouvant refléter une extension tumorale microscopique. Cependant, il est crucial de souligner que toutes les interprétations des « limites d’infiltration » dans cette étude reposent sur des substituts d’imagerie, et non sur une confirmation histopathologique. La correspondance réelle entre les anomalies du signal de l’APT et l’infiltration véritablement cellulaire tumorale, ainsi que leur relation avec les résultats ou la survie du patient, nécessite une validation prospective par biopsie stéréotaxique guidée par image et des études longitudinales de suivi. Ainsi, bien que l’imagerie APT soit prometteuse en tant qu’outil d’imagerie moléculaire non invasive, son rôle clinique actuel doit être considéré comme complémentaire à l’IRM conventionnelle plutôt que comme un biomarqueur définitif de l’invasion tumorale. Avec une validation multicentrique supplémentaire et une normalisation technique, cette approche pourrait contribuer à l’évolution du paysage de l’imagerie neuro-oncologique de précision et de la planification chirurgicale.

Déclarations de divulgation

Les auteurs n’ont aucun conflit d’intérêts à déclarer.

Remerciements

Ce travail a été financé par le projet de recherche médicale et en santé du district de Bao’an 2023 (Subvention n° 2023JD224).

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
3.0T MR ScannerGE HealthcareDiscovery 750WUsed for all conventional and APT imaging sequences.
Contrast Agent (Gadopentetate Dimeglumine)Bayer HealthcareMagnevistStandard dose of 0.1 mmol/kg body weight, administered intravenously at 2 mL/s.
Head CoilGE HealthcareStandard 8-channelReceive-only head coil for signal acquisition.
Image Analysis SoftwareMicroDicom Ltd.MicroDicom Viewer (version 3.0)Used for ROI delineation and parameter measurement by neuroradiologists.
Post-processing SoftwareGE HealthcareFuncTool (built-in)Automatically generates APT-weighted images and MTRasym maps on the scanner.
Statistical Analysis SoftwareIBM Corp.SPSS (version 25.0)Used for all statistical analyses, including ROC curves and group comparisons.

Références

  1. Lu SL et al. The intracranial tumor segmentation challenge: contour tumors on brain MRI for radiosurgery. Neuroimage. 2021;244:118585.
  2. Ostrom QT et al. CBTRUS statistical report: primary brain and other central nervous system tumors diagnosed in the United States in 2015-2019. Neuro Oncol. 2022;24(Suppl 5):v1-95.
  3. Lin H et al. Understanding the immunosuppressive microenvironment of glioma: mechanistic insights and clinical perspectives. J Hematol Oncol. 2024;17(1):31.
  4. Jayaram MA, Phillips JJ. Role of the microenvironment in glioma pathogenesis. Annu Rev Pathol. 2024;19(1):181-201.
  5. Segar DJ et al. Modeling of intracranial tumor treating fields for the treatment of complex high-grade gliomas. Sci Rep. 2023;13(1):1636.
  6. Wen PY et al. Dabrafenib plus trametinib in patients with BRAF V600E-mutant low-grade and high-grade glioma (ROAR): a multicentre, open-label, single-arm, phase 2, basket trial. Lancet Oncol. 2022;23(1):53-64.
  7. Szulzewsky F, Thirimanne HN, Holland EC. Meningioma: current updates on genetics, classification, and mouse modeling. Ups J Med Sci. 2024;129(S1):e10579.
  8. Moussalem C et al. Meningioma genomics: a therapeutic challenge for clinicians. J Integr Neurosci. 2021;20(2):463-9.
  9. Han T, Liu X, Zhou J. Progression/recurrence of meningioma: an imaging review based on magnetic resonance imaging. World Neurosurg. 2024;186:98-107.
  10. Cosgun Z, Dagistan Y, Dagistan E, Kalfaoglu ME. Neglected giant pituitary adenoma: a unique case report. Journal of Endocrine Systems Research. 2025;1(1):11-6.
  11. Sakai M et al. Nonbrain metastases seen on magnetic resonance imaging during metastatic brain tumor screening. Jpn J Radiol. 2023;41(4):367-81.
  12. Aunan-Diop JS et al. Magnetic resonance elastography in intracranial neoplasms: a scoping review. Top Magn Reson Imaging. 2022;31(1):9-22.
  13. Xiong H et al. A radiomics model for the differentiation of intracranial solitary fibrous tumor/hemangiopericytoma and meningioma based on multiparametric magnetic resonance imaging. Neurol India. 2024;72(4):779-83.
  14. Clement P et al. Micro- to macroscale magnetic resonance imaging of glioma. MAGMA. 2022;35(1):1-2.
  15. Sui Z et al. Magnetic resonance imaging evaluation of brain glioma before postoperative radiotherapy. Clin Transl Oncol. 2021;23(4):820-6.
  16. Würtemberger U et al. Microstructural differentiation of cerebral metastases, glioblastoma, meningioma, and primary CNS lymphoma using advanced diffusion imaging techniques. Neurooncol Adv. 2025;7(1):vdaf076.
  17. Schmitz-Abecassis B et al. Extension of T2 hyperintense areas in patients with a glioma: a comparison between high-quality 7 T MRI and clinical scans. NMR Biomed. 2025;38(3):e5316.
  18. Xia X, Du W, Gou Q. Machine learning-based radiomics for differentiating lung cancer subtypes in brain metastases using CE-T1WI. Front Oncol. 2025;15:1599882.
  19. Zhang Y et al. Glioblastoma and solitary brain metastasis: differentiation by integrating demographic-MRI and deep-learning radiomics signatures. J Magn Reson Imaging. 2024;60(3):909-20.
  20. Zhou J et al. Using the amide proton signals of intracellular proteins and peptides to detect pH effects in MRI. Nat Med. 2003;9(8):1085-90.
  21. Zhou J et al. Three-dimensional amide proton transfer MR imaging of gliomas: initial experience and comparison with gadolinium enhancement. J Magn Reson Imaging. 2013;38(5):1119-28.
  22. Sun Q et al. Plasma β-amyloid, tau, neurodegeneration biomarkers and inflammatory factors of probable Alzheimer’s disease dementia in Chinese individuals. Front Aging Neurosci. 2022;14:963845.
  23. Zhang H, Zhou J, Peng Y. Amide proton transfer-weighted MR imaging of pediatric central nervous system diseases. Magn Reson Imaging Clin N Am. 2021;29(4):631-41.
  24. Inoue A et al. Role of amide proton transfer imaging in maximizing tumor resection in malignant glioma: a possibility to take the place of 11C-methionine positron emission tomography. Neurosurg Rev. 2023;46(1):294.
  25. Zhang J et al. ESM1 enhances fatty acid synthesis and vascular mimicry in ovarian cancer by utilizing the PKM2-dependent Warburg effect within the hypoxic tumor microenvironment. Mol Cancer. 2024;23(1):94.
  26. Chen K, Jiang XW, Deng LJ, She HL. Differentiation between glioma recurrence and treatment effects using amide proton transfer imaging: a mini-Bayesian bivariate meta-analysis. Front Oncol. 2022;12:852076.
  27. Park JE et al. Pre- and posttreatment glioma: comparison of amide proton transfer imaging with MR spectroscopy for biomarkers of tumor proliferation. Radiology. 2016;278(2):514-23.
  28. Debnath A, Gupta RK, Singh A. Evaluating the role of amide proton transfer-weighted contrast, optimized for normalization and region of interest selection, in differentiation of neoplastic and infective mass lesions on 3T MRI. Mol Imaging Biol. 2020;22(2):384-96.
  29. Park YW et al. Differentiation of recurrent diffuse glioma from treatment-induced change using amide proton transfer imaging: incremental value to diffusion and perfusion parameters. Neuroradiology. 2021;63(3):363-72.
  30. Yu H et al. Applying protein-based amide proton transfer MR imaging to distinguish solitary brain metastases from glioblastoma. Eur Radiol. 2017;27(11):4516-24.
  31. Zhang HW et al. Differentiation of meningiomas and gliomas by amide proton transfer imaging: a preliminary study of brain tumour infiltration. Front Oncol. 2022;12:886968.
  32. Soni N et al. Meningioma: molecular updates from the 2021 World Health Organization classification of CNS tumors and imaging correlates. AJNR Am J Neuroradiol. 2025;46(2):240-50.
  33. Zhou J et al. Review and consensus recommendations on clinical APT-weighted imaging approaches at 3T: application to brain tumors. Magn Reson Med. 2022;88(2):546-74.
  34. Chen K et al. Amide proton transfer-weighted magnetic resonance imaging for the diagnosis of symptomatic chronic intracranial artery stenosis: a feasibility study. Quant Imaging Med Surg. 2022;12(11):5184-97.
  35. Tokunaga C et al. Effect of saturation pulse duration and power on pH-weighted amide proton transfer imaging: a phantom study. Magn Reson Med Sci. 2023;22(4):487-95.
  36. Joo B et al. Amide proton transfer imaging might predict survival and IDH mutation status in high-grade glioma. Eur Radiol. 2019;29(12):6643-52.
  37. Zhang HW, Lin F. Research progress on amide proton transfer imaging in preoperative and postoperative glioma assessment. Curr Med Imaging. 2023;19(9):971-6.
  38. Lin G et al. Volumetric amide-proton-transfer weighted imaging histogram analysis to differentiate pediatric high-grade and low-grade gliomas. BMC Cancer. 2025;25(1):1392.
  39. Hao Z et al. AQP8 promotes glioma proliferation and growth, possibly through the ROS/PTEN/AKT signaling pathway. BMC Cancer. 2023;23(1):516.
  40. Knowles LM et al. Clotting promotes glioma growth and infiltration through activation of focal adhesion kinase. Cancer Res Commun. 2024;4(12):3124-36.
  41. Chawla S et al. Metabolic and physiologic magnetic resonance imaging in distinguishing true progression from pseudoprogression in patients with glioblastoma. NMR Biomed. 2022;35(7):e4719.
  42. Jen JP et al. Beyond T2-FLAIR mismatch sign in isocitrate dehydrogenase (IDH)-mutant 1p19q non-codeleted astrocytoma: analysis of tumor core and evolution with multiparametric magnetic resonance imaging. Neurooncol Adv. 2024;6(1):vdae065.
  43. Carrete LR, Young JS, Cha S. Advanced imaging techniques for newly diagnosed and recurrent gliomas. Front Neurosci. 2022;16:787755.
  44. Debiasi G et al. Magnetic susceptibility properties of tumor-associated cells imaged by MRI reveal glioblastoma infiltration in the edema region. Commun Med (Lond). 2025;5(1):487.
  45. Smits M. Imaging of oligodendroglioma. Br J Radiol. 2016;89(1060):20150857.
  46. Lee MD et al. Utility of percentage signal recovery and baseline signal in DSC-MRI optimized for relative CBV measurement for differentiating glioblastoma, lymphoma, metastasis, and meningioma. AJNR Am J Neuroradiol. 2019;40(9):1445-50.
  47. Stopa BM, Juhász C, Mittal S. Comparison of amino acid PET to advanced and emerging MRI techniques for neurooncology imaging: a systematic review of the recent studies. Mol Imaging. 2021;2021:8874078.
  48. Sartoretti E et al. Amide proton transfer weighted (APTw) imaging based radiomics allows for the differentiation of gliomas from metastases. Sci Rep. 2021;11(1):5506.
  49. Ikechukwu GC, Egba SI, Paul PC, Umeh VA. Artificial intelligence for public health surveillance: promises, pitfalls, and an ethics-equity roadmap for deployment. Disease Prevention and Epidemiology. 2026;1(1):22-39.

Réimpressions et autorisations

Mots-clés

Imagerie APTDiff renciation des gliomesDiagnostic des m ningiomesImagerie des tumeurs c r bralesSaturation par change chimiqueGradation des gliomesIRM des tumeurs c r bralesTeneur en prot ines tumorales
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d'utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.