Routine clinical data are sufficient for intracerebral haemorrhage prognostication; haematoma radiomics adds no detectable incremental value: a three-tier validation study

Résumé technique : Données cliniques de routine vs radiomique de l'hématome dans la pronostication de l'HIC

Énoncé du problème
L'hémorragie intracérébrale (HIC) spontanée est associée à une mortalité précoce élevée et à une récupération fonctionnelle limitée. Bien que les outils pronostiques existants tels que le score ICH et le score FUNC soient largement utilisés, ils reposent sur des évaluations neurologiques spécialisées (GCS, NIHSS) qui peuvent ne pas être réalisables dans tous les contextes cliniques. À l'inverse, la radiomique de la TDM a été proposée comme une alternative automatisée pour capturer des données d'imagerie quantitatives au-delà de l'inspection visuelle. Cependant, des études antérieures revendiquant des performances prédictives élevées (AUC 0,88–0,89) manquent souvent de validation rigoureuse, échouant spécifiquement à séparer la sélection des caractéristiques de l'évaluation du modèle, ce qui conduit à des résultats potentiellement optimistes et trompeurs. Cette étude répond à la question critique de savoir si 851 caractéristiques de radiomique du noyau de l'hématome par TDM apportent une valeur pronostique incrémentielle par rapport aux données cliniques de routine à l'admission lorsqu'elles sont évaluées sous un cadre strict et contrôlé contre les biais.

Méthodologie
L'étude a adopté un design rétrospectif monocentrique impliquant 570 épisodes d'HIC aiguë (556 patients) de 2020 à 2024.

• Traitement des données : La segmentation automatisée de l'hématome a été réalisée à l'aide de nnU-Net v2, atteignant un coefficient de Dice de 0,945. À partir des noyaux d'hématome segmentés, 851 caractéristiques radiomiques conformes à l'IBSI ont été extraites via PyRadiomics v3.0.1, incluant des statistiques d'ordre un, des caractéristiques de forme et des textures de type wavelet.
• Développement du modèle : Deux modèles de régression logistique principaux ont été construits :
  1. Clinique uniquement : Utilisant 16 variables candidates pré-spécifiées (démographie, biologie et scores cliniques) réduites via LASSO.
  2. Clinique + Radiomique : Combinant les variables cliniques avec les 851 caractéristiques radiomiques.
• Cadre de validation : Pour prévenir la fuite de données et le surapprentissage, l'étude a utilisé une approche de validation rigoureuse en trois niveaux :
  1. Validation croisée imbriquée groupée (5×5) : La sélection des caractéristiques (LASSO) a été effectuée indépendamment dans chaque pli interne, garantissant la séparation au niveau du patient (GroupKFold) afin que les épisodes récurrents d'un même patient n'apparaissent jamais à la fois dans l'ensemble d'entraînement et l'ensemble de test.
  2. Comparaison ROC appariée de DeLong : Utilisée pour comparer statistiquement l'aire sous la courbe (AUC) du modèle clinique par rapport au modèle combiné et aux références établies (score ICH, score FUNC).
  3. Estimation par Bootstrap Out-of-Bag : Utilisée pour évaluer la stabilité de la sélection des caractéristiques et quantifier l'optimisme.
• Résultats : Les critères de jugement principaux étaient l'issue fonctionnelle défavorable à 90 jours (échelle de Rankin modifiée > 2) et la mortalité toutes causes confondues.

Résultats clés

• Performance du modèle clinique : Le modèle clinique seul, utilisant 10 variables distinctes à travers deux modèles spécifiques aux issues, a atteint des performances robustes avec des AUC de validation croisée imbriquée groupée de 0,866 pour l'issue fonctionnelle et 0,795 pour la mortalité. Cela a significativement surpassé le score ICH (ΔAUC = 0,181 et 0,088, respectivement) et le score FUNC pour l'issue fonctionnelle (ΔAUC = 0,079).
• Valeur incrémentielle de la radiomique : L'ajout des 851 caractéristiques de radiomique du noyau de l'hématome au modèle clinique n'a produit aucune valeur incrémentielle détectable.
  • Pour l'issue fonctionnelle, l'AUC du modèle combiné était de 0,872 (ΔAUC = +0,005, p = 0,805).
  • Pour la mortalité, l'AUC du modèle combiné était de 0,771 (ΔAUC = −0,024, p = 0,439).
• Performance de la radiomique seule : Un modèle reposant uniquement sur les caractéristiques de radiomique a performé faiblement, produisant des AUC de 0,558 pour l'issue fonctionnelle et 0,616 pour la mortalité.
• Stabilité des caractéristiques : L'analyse par bootstrap a révélé que les variables cliniques centrales (ex. NIHSS, âge) étaient sélectionnées dans 100 % des itérations, tandis qu'aucune caractéristique de radiomique n'a dépassé une fréquence de sélection de 90 %, indiquant une instabilité et une absence de signal cohérent dans les données d'imagerie de haute dimension.
• Analyse du surapprentissage : La différence entre l'AUC apparente échantillon et l'AUC de validation croisée imbriquée était minimale pour le modèle clinique (0,026) mais plus importante pour le modèle combiné (0,037), suggérant que les améliorations apparentes du modèle combiné étaient dictées par un surapprentissage de la sélection des caractéristiques plutôt que par un signal réel.

Signification et affirmations
Les auteurs concluent que pour la pronostication de l'HIC dans les contextes où la TDM est la principale modalité d'imagerie, les données cliniques et biologiques de routine à l'admission fournissent une stratification du risque fiable sans nécessiter de pipelines de radiomique complexes. L'étude démontre qu'un modèle clinique compact peut surpasser les systèmes de notation établis (scores ICH et FUNC) et que, sous des conditions de validation rigoureuses, les caractéristiques de radiomique du noyau de l'hématome n'apportent pas de puissance prédictive supplémentaire significative.

L'article souligne que l'absence de valeur incrémentielle peut être attribuée à :

1. Le signal pronostique élevé déjà capturé par les marqueurs de sévérité clinique (NIHSS, GCS, volume de l'hématome).
2. La nature homogène des noyaux d'hématome aigus sur la TDM sans injection, ce qui limite l'hétérogénéité texturale.
3. L'exclusion de la texture de l'œdème péri-hématomal (OPH), qui s'est montrée prometteuse dans d'autres études.

Crucialement, les auteurs affirment que séparer la sélection des caractéristiques de l'évaluation du modèle est essentiel pour une évaluation honnête de la radiomique. Ils positionnent leur travail comme un correctif à la littérature antérieure qui pourrait avoir rapporté des performances gonflées dues à des failles méthodologiques, plaidant pour une approche pragmatique où les données cliniques restent la pierre angulaire de la pronostication de l'HIC, à moins que la radiomique ne puisse démontrer une valeur incrémentielle robuste et validée dans des contextes multicentriques.