UPmémoires

• Français

Français

Prédiction de l'expression de PD-L1 sur scanner pré-thérapeutique dans une cohorte rétrospective de patients atteints d'adénocarcinome gastrique avancé

Introduction : Les indications actuelles d'immunothérapie dans la prise en charge des cancers gastriques avancés sont soumises à un biomarqueur. Il s'agit de l'expression du Programmes Death Ligand 1 (PD-L1), évaluée en immunochimie en calculant le Combined Positive Score (CPS). L'évaluation de ce marqueur est chronophage, opérateur-dépendant et hétérogène au sein de la même tumeur.

Objectif : cette étude vise à prédire l'expression de PD-L1 chez des patients atteints d'adénocarcinome gastrique avancé, sur scanner pré-thérapeutique par un algorithme de Deep Learning, cherchant ainsi à identifier un biomarqueur plus simple, reproductif et non invasif.

Méthode : Nous avons mené une étude rétrospective multicentrique, issue du CHU de Poitiers, et de la cohorte NORDICAP du CHU Saint-Louis (Paris), cette étude a inclus tous les patients atteints d'un adénocarcinome gastrique avancé et ayant été suivis entre janvier 2012 à décembre 2020. Le CPS a été calculé pour chaque patient avec relecture par un senior. Les images de tomodensitométrie ont été collectées et segmentées à l'aide de l'outil Total Segmentator. Afin de prédire le CPS sur les images de tomodensitométrie, différentes architectures : Squeeze qnd Excitation Ntework (SENet), DenseNet et EfficientB7 ont été utilisées et comparées entre elles. Une validation croisée à cinq plis a été utilisée pour évaluer la performance des différents modèles. Les indices d'évaluation adoptés dans cet article comprennent la matrice de confusion, l'aire sous la courbe (AUC), la validation, la précision, le rappel.

Résultats : Au total sur les 58 patients atteints de cancer de l'estomac inclus et analysés dans notre étude (23 CPS positifs, 35 CPS négatifs, en immunohistochimie), le modèle SENet (192,192,96) a correctement prédit le score CPS pour 41 patiens (13 CPS positifs, 28 CPS négatifs). Ce modèle a également obtenu en moyenne un AUC de 0,64, une précision de validation de 0,70, une précision de 0,73 et un rappel de 0,56 sur les cinq plis de validation croisée. Cela suggère que le Deep Learning pourrait être utilisé pour prédire l'expression de PD-L1 sur un scanner pré-thérapeutique chez les patients atteints d'adénocarcinome gastrique avancé.

Conclusion : Cette étude préliminaire suggère que le Deep Learning pourrait être utilisé pour estimer le CPS de manière simple, reproductible et non invasive dans le cancer de l'estomac avancé. Une cohorte de validation est nécessaire pour améliorer la précision du modèle et pour explorer les sources de biais et de variabilité.

Mots-clés libres : Deep learning, adénocarcinome gastrique, tomodensitométrie, expression pd-l1, cps, biomarqueur, immunohistochimie, validation croisée.

Rameau (langage normalisé) :
• Adénocarcinome
  
• Scanographie
  
• Marqueurs biologiques
  
• Immunocytochimie
  
• Apprentissage profond
  
• Médecine‎ -- Informatique