Caractérisation du cancer de la prostate de haut grade à l’IRM multiparamétrique à l’aide d’un système de diagnostic assisté par ordinateur basé sur la radiomique et utilisé comme lecteur autonome ou comme second lecteur

Jaouen, Tristan

Désactiver l'autocomplétion

Recherche avancée

Uniquement les thèses soutenues Uniquement les thèses soutenues accessibles en ligne

SIGNALER une erreur

EXPORTER les infos

thèse précédente

thèse suivante

Caractérisation du cancer de la prostate de haut grade à l’IRM multiparamétrique à l’aide d’un système de diagnostic assisté par ordinateur basé sur la radiomique et utilisé comme lecteur autonome ou comme second lecteur

par Tristan Jaouen

Thèse de doctorat en Ingénierie biomédicale, biotechnologie

Sous la direction de Olivier Rouviere et de Rémi Souchon.

Soutenue le 07-07-2022

à Lyon , dans le cadre de École Doctorale Interdisciplinaire Sciences-Santé. (Villeurbanne) , en partenariat avec Université Claude Bernard (Lyon) (établissement opérateur d'inscription) et de Institut Fédératif de Recherche LYON-EST (laboratoire) .

Le président du jury était Delphine Maucort-Boulch.

Le jury était composé de Olivier Rouviere, Hervé Delingette, Gaëlle Fiard, Raphaële Renard-Penna.

Les rapporteurs étaient Hervé Delingette, Gaëlle Fiard, Raphaële Renard-Penna.

Résumé

Nous avons développé un système de diagnostic assisté par ordinateur (CAD) basé sur des régions d'intérêt pour caractériser le cancer de la prostate avec un grade de l'International Society of Urological Pathology (ISUP) ≥2 lors d'une IRM multiparamétrique (IRM-mp). Les paramètres de l'image provenant de 2 jeux de données multi-constructeurs de 265 IRM pré-prostatectomie et 112 IRM pré-biopsie ont été combinés en utilisant la régression logistique. Les meilleurs modèles contenaient le 2e percentile d’ADC (ADC2) et le taux de rehaussement normalisé (WI) dans la zone périphérique (ZP) et le 25e percentile d'ADC (ADC25) dans la zone de transition (ZT). Ils ont été associés dans le système CAD. Le CAD a été évalué rétrospectivement sur 2 jeux de données multi-constructeurs contenant respectivement 158 et 105 IRM pré-biopsie de notre institution (test interne) et d'une autre institution (test externe). Deux radiologues ont indépendamment décrit les lésions ciblées par la biopsie. Le score PI-RADSv2 (Prostate Imaging-Reporting and Data System version 2) attribué prospectivement lors de la biopsie et le score CAD ont été comparés aux résultats de la biopsie. A l’échelle des patients, les aires sous la courbe Receiver Operating Characteristic (AUC) du score PI-RADSv2 étaient de 82% (IC 95% : 74-87) et 85% (IC 95% : 79-91) dans les jeux de données de test interne et externe respectivement. Pour les deux radiologues, le score CAD avait des AUC similaires dans les jeux de données interne (82%, IC 95% : 76-89, p=1 ; 84%, IC 95% : 78-91, p=1) et externe (82%, IC 95% : 76-89, p=0.82 ; 86%, IC 95% : 79-93, p=1). La combinaison du PI-RADSv2 et du CAD aurait pu éviter 41 à 52% des biopsies tout en manquant 6 à 10% des cancers ISUP≥2. Le système CAD a confirmé sa robustesse dans une étude multicentrique impliquant 22 scanners et des protocoles d'imagerie très hétérogènes. Dans l'analyse par patient, le CAD et le PI-RADSv2 avaient des performances similaires en termes d’AUC (76%, IC 95% : 70-82 contre 79%, IC 95% : 73-86 ; p=0.34) et de sensibilité (86%, IC 95% : 76-96 contre 89%, IC 95% : 79-98 pour le PI-RADSv2≥4). La spécificité du CAD (62%, IC 95% : 53-70 contre 49% ; IC 95% : 39-59 pour le PI-RADSv2≥4) permettait une complémentarité avec le score PI-RADSv2 pour potentiellement éviter 50% des biopsies, tout en manquant 13% des cancers ISUP≥2. Ces résultats étaient similaires à ceux rapportés dans les cohortes de test issues d’un unique centre et ont ouvert la voie à de nouvelles applications du CAD. Le CAD a d’abord permis une bonne discrimination des cancers ISUP≥2 chez des patients placés en surveillance active. Son AUC (80% ; IC 95% : 74-86) était similaire à celle du score PI-RADSv2 attribué prospectivement par des uro-radiologues spécialisés (81%, IC 95% : 74-87 ; p=0.96). Le CAD était plus spécifique que les scores PI-RADS≥3 (p<0.001) et PI-RADS≥4 (p<0.001). Il pourrait offrir une solution pour sélectionner les patients pouvant éviter sans risque une biopsie de confirmation ou de suivi dans le cadre de leur surveillance active (25%). Il manquerait alors 5% des cancers ISUP≥2. Le CAD a enfin été confronté aux IRM-mp pré-prostatectomie de 56 patients japonais, issus d’une population qui est géographiquement éloignée de sa population d’entraînement et qui intéresse de par ses faibles taux d’incidence et de mortalité du cancer de la prostate. Son AUC était alors similaire au score PI-RADSv2 attribué par un radiologue expérimenté dans la ZP (80%, IC 95% : 71-90 contre 80%, IC 95% : 71-89 ; p=0.886) et dans la ZT (79%, IC 95% : 66-90 contre 93%, 95%CI : 82-96 ; p=0.051). Ces résultats prometteurs et robustes sur des jeux de données hétérogènes suggèrent que le CAD pourrait être utilisée dans la routine clinique quotidienne comme un second lecteur pour aider à sélectionner les patients pouvant éviter la biopsie en toute sécurité. Ce CAD pourrait aider les lecteurs moins expérimentés à caractériser les lésions de la prostate.

mots clés

Titre traduit

Characterization of high-grade prostate cancer at multiparametric MRI using a radiomic-based computer-aided diagnosis system as standalone and second reader
Résumé

We developed a region of interest-based (ROIs) computer-aided diagnosis system (CAD) to characterize International Society of Urological Pathology grade (ISUP) ≥2 prostate cancers at multiparametric MRI (mp-MRI). Image parameters from two multi-vendor datasets of 265 pre-prostatectomy and 112 pre-biopsy MRIs were combined using logistic regression. The best models used the ADC 2nd percentile (ADC2) and normalized wash-in rate (WI) in the peripheral zone (PZ) and the ADC 25th percentile (ADC25) in the transition zone (TZ). They were combined in the CAD system. The CAD was retrospectively assessed on two multi-vendor datasets containing respectively 158 and 105 pre-biopsy MRIs from our institution (internal test dataset) and another institution (external test dataset). Two radiologists independently outlined lesions targeted at biopsy. The Prostate Imaging-Reporting and Data System version 2 (PI-RADSv2) score prospectively assigned at biopsy and the CAD score were compared to biopsy findings. At patient level, the areas under the Receiver Operating Characteristic curve (AUC) of the PI-RADSv2 score were 82% (95% CI: 74-87) and 85% (95% CI: 79-91) in the internal and external test datasets respectively. For both radiologists, the CAD score had similar AUC results in the internal (82%, 95% CI: 76-89, p=1; 84%, 95% CI: 78-91, p=1) and external (82%, 95% CI: 76-89, p=0.82; 86%, 95% CI: 79-93, p=1) test datasets. Combining PI-RADSv2 and CAD findings could have avoided 41-52% of biopsies while missing 6-10% of ISUP≥2 cancers. The CAD system confirmed its robustness showing good discrimination of ISUP ≥2 cancers in a multicentric study involving 22 different scanners with highly heterogeneous image protocols. In per patient analysis, the CAD and the PI-RADSv2 had similar AUC values (76%, 95% CI: 70-82 vs 79%, 95% CI: 73-86; p=0.34) and sensitivities (86%, 95% CI: 76-96 vs 89%, 95% CI: 79-98 for PI-RADSv2 ≥4). The specificity of the CAD (62%, 95% CI: 53-70 vs 49%, 95% CI: 39-59 for PI-RADSv2 ≥4) could be used to complement the PI-RADSv2 score and potentially avoid 50% of biopsies, while missing 13% of ISUP ≥2 cancers. These findings were very similar to those reported in the single center test cohorts. Given its robustness, the CAD could then be exploited in more specific applications. The CAD first provided good discrimination of ISUP ≥2 cancers in patients under Active Surveillance. Its AUC (80%, 95% CI: 74-86) was similar to that of the PI-RADS score prospectively assigned by specialized uro-radiologists at the time of biopsy (81%, 95% CI: 74-87; p=0.96). After dichotomization, the CAD was more specific than the PI-RADS ≥3 (p<0.001) and the PI-RADS ≥4 scores (p<0.001). It could offer a solution to select patients who could safely avoid confirmatory or follow-up biopsy during Active Surveillance (25%), while missing 5% of ISUP≥2 cancers. Finally, the CAD was tested with the pre-prostatectomy mp-MRIs of 56 Japanese patients, from a population which is geographically distant from its training population and which is of interest because of its low prostate cancer incidence and mortality. The CAD obtained an AUC similar to the PI-RADSv2 score assigned by an experience radiologist in the PZ (80%, 95% CI: 71-90 vs 80%, 95% CI: 71-89; p=0.886) and in the TZ (79%, 95% CI: 66-90 vs 93%, 95%CI: 82-96; p=0.051). These promising and robust results across heterogeneous datasets suggest that the CAD could be used in clinical routine as a second opinion reader to help select the patients who could safely avoid biopsy. This CAD may assist less experience readers in the characterization of prostate lesions.