Innovation et potentiel pour l’imagerie diagnostique dans le cancer de la prostate

Home » Santé » Innovation et potentiel pour l’imagerie diagnostique dans le cancer de la prostate

(UroToday.com) La réunion annuelle 2024 de l’American Society of Clinical Oncology (ASCO) comprenait une séance sur les applications de l’intelligence artificielle dans les soins du cancer de la prostate et une présentation du Dr Stephanie Harmon sur l’innovation et le potentiel de l’imagerie diagnostique dans le cancer de la prostate. Il existe de nombreuses opportunités pour l’intelligence artificielle dans l’imagerie de la prostate, notamment :

Contrôle qualité/amélioration de la qualité
Segmentation des organes
Détection/segmentation des lésions
Planification et stadification du traitement
Stade métastatique
Acquisition TEP/TDM PSMA

En ce qui concerne l’IRM multiparamétrique et l’intelligence artificielle, l’IRMmp est une étape essentielle dans le parcours de diagnostic du cancer de la prostate, fournissant une assistance au guidage des biopsies, à la surveillance active et à la planification du traitement. Le système de reporting et de données d’imagerie de la prostate (PI-RADS) a été développé pour standardiser les techniques d’acquisition d’images et l’interprétation de l’IRMmp de la prostate. Cependant, la variabilité de la qualité d’un site à l’autre a réduit l’efficacité de l’IRMmp de la prostate spécifiquement pour :

Qualité de l’image : non-respect des exigences techniques PI-RADS, mais la conformité à elle seule ne garantit pas une image de meilleure qualité
Qualité de l’interprétation : variabilité inter- et intra-lecteurs, notamment dans les centres non universitaires

La figure suivante met en évidence la variabilité de la VPP spécifique au site pour PI-RADS :1
Compte tenu de ces problèmes, les défis et les ensembles de données publics en matière d’intelligence artificielle ont accéléré la recherche universitaire, et l’adoption clinique de l’IRMmp a encore accéléré la traduction. Comment traduire le flux de travail diagnostique dans la pratique clinique ?

Développement d’un pipeline adapté au flux de travail clinique :
- La population à former a-t-elle été présélectionnée ?
- La validation a-t-elle été terminée pour les pipelines de traitement de bout en bout ?
- Les images sont-elles adaptées à l’utilisation de l’intelligence artificielle ?
Besoins en traduction technique :
- Doit être en ligne et rapide (c’est-à-dire en PACS)
- Il doit être sécurisé
- Il doit être facile à interpréter
- Doit prendre en charge le flux de travail clinique en aval

En 2022, Mehralivand et ses collègues ont développé un algorithme biparamétrique de segmentation et de classification IRMmp (T2W, ADC, valeur b élevée) de 1 390 patients dans le but de détecter les lésions intra-prostatiques de la prostate selon les directives PI-RADS.2 Performance a ensuite été comparé à la littérature, avec une sensibilité de ~60% par rapport à l’expert, un coefficient de similarité Dice moyen de 0,359 et un faible taux de faux positifs (médiane
Ce modèle a été récemment validé chez 658 patients, maintenant ses performances par rapport à un radiologue expert.3 Le déploiement dans le flux de travail clinique peut ressembler à ce qui suit :

Tout d’abord, il y a une étape d’induction des données, suivie d’un traitement, d’une configuration et d’une visualisation automatisés :
Des études multi-lecteurs évaluant l’impact de l’intelligence artificielle indiquent que l’interaction des radiologues peut biaiser l’efficacité. Par exemple, la méthode de l’attention améliore la sensibilité des lésions cancéreuses rares/« invisibles », mais uniquement chez les lecteurs expérimentés.

Les méthodes basées sur l’intelligence artificielle pour l’IRM de la prostate sont généralement entraînées et testées à l’aide de données présentant des conditions d’analyse et anatomiques idéales, (i) ce qui peut conduire à un surajustement du modèle, (ii) pourrait entraîner une mauvaise généralisabilité et (ii) nécessite des modèles de tests de stress. dans des cas réels et des données provenant de centres externes. La segmentation des organes de la prostate par trois modèles d’intelligence artificielle indépendants sur 684 analyses difficiles a montré que les performances de tous les modèles étaient affectées négativement par le volume de la prostate et la mauvaise qualité du signal (p 4 Les facteurs basés sur la forme ont influencé les modèles DL (p
Que se passe-t-il après un traitement préalable ? Parmi 62 patients présentant des lésions de la prostate évaluées après radiothérapie de la prostate, les performances du modèle d’intelligence artificielle étaient inférieures à l’interprétation prospective de la radiologie (intelligence artificielle : 76,1 % vs radiologue : 91,3 %, p = 0,02) et au niveau de la lésion (intelligence artificielle : 71,4 % vs radiologue). : 87,5%, p = 0,01):5

Les opportunités d’améliorations futures incluent l’apprentissage fédéré et l’intelligence artificielle pour la qualité des images. Dans une étude de Sarma et al.6 en 2021, un modèle d’apprentissage fédéré a présenté des performances et une généralisabilité supérieures aux modèles formés dans des institutions uniques lorsqu’il a été évalué sur un ensemble de données de défi externe :
Le Dr Harmon a ensuite abordé la question de l’imagerie avancée des maladies. L’imagerie diagnostique (TDM, IRM, scintigraphie osseuse) est essentielle à la détection et à la surveillance longitudinale des maladies avancées et des thérapies systémiques. Récemment, la TEP/CT PSMA démontre une précision diagnostique élevée par rapport à la stadification conventionnelle dans les contextes récurrents et sensibles à la castration. Malgré sa grande précision diagnostique par rapport à l’imagerie conventionnelle, la TEP/TDM PSMA souffre toujours d’une variabilité inter-lecteurs, de lectures fastidieuses et de plusieurs isotopes/radiotraceurs. Pour cette raison, il existe des algorithmes commerciaux approuvés par la FDA. Les défis de l’intelligence artificielle comprennent la formation de populations (récurrentes, sensibles à la castration, résistantes à la castration), ainsi que la disponibilité de plusieurs isotopes.

La surveillance du traitement comprend un grand nombre d’images obtenues dans le cadre du cancer de la prostate avancé, étant donné qu’il existe de nombreuses thérapies systémiques disponibles au cours de l’évolution du cancer de la prostate avancé à avancé. Le rôle de l’imagerie diagnostique peut dépendre du traitement :