Development and Validation of a Nomogram Integrating Multimodal Ultrasound and Radiomics for Differentiating Granulomatous Mastitis from Invasive Ductal Carcinoma

Dans le paysage de la santé mammaire, deux pathologies très différentes présentent souvent une apparence identique lors d'un examen d'imagerie. L'une est le carcinome canalaire invasif, une forme de cancer du sein courante et grave qui nécessite un traitement immédiat. L'autre est la mastite granulomateuse, une maladie inflammatoire bénigne et rare qui imite l'apparence du cancer mais n'est pas engageant le pronostic vital. Pour les médecins, ce chevauchement visuel crée un dilemme difficile. Lorsqu'une patiente présente une masse suspecte, la voie standard consiste à effectuer une biopsie, une procédure qui implique le prélèvement d'un échantillon de tissu à l'aide d'une aiguille. Bien que ce soit le seul moyen d'être certain, il s'agit d'une étape invasive que de nombreuses patientes préféreraient éviter si la masse s'avère bénigne. Le défi consiste à trouver un moyen de distinguer ces deux conditions avant même que l'aiguille ne touche la peau, en utilisant uniquement les images capturées par les appareils d'échographie.

L'échographie est depuis longtemps l'outil principal pour l'examen du tissu mammaire, particulièrement pour les femmes en Asie. Elle utilise des ondes sonores pour créer des images de l'intérieur du corps, montrant la forme, la taille et la texture de toute masse. Ces dernières années, les médecins ont ajouté de nouvelles couches à cette technologie. Ils utilisent désormais le Doppler couleur pour voir comment le sang circule à travers une lésion et l'élastographie pour mesurer la dureté ou la souplesse du tissu lorsqu'il est pressé. Ces ajouts fournissent une image plus riche, mais même avec ces outils avancés, distinguer le mime inflammatoire de la tumeur maligne reste un obstacle clinique majeur. Parfois, les images sont si similaires qu'un médecin ne peut être sûr, menant à une « zone grise » où le conseil médical le plus sûr est de biopsier tout, ce qui entraîne de nombreuses procédures inutiles.

Une équipe de chercheurs issus d'hôpitaux de Hangzhou, en Chine, s'est donné pour mission de résoudre ce problème spécifique en combinant l'observation humaine et l'analyse informatique. Ils ont rassemblé des images échographiques et des dossiers de patients de 460 femmes qui avaient déjà été diagnostiquées soit de mastite granulomateuse, soit de carcinome canalaire invasif par chirurgie ou biopsie. Les chercheurs ont divisé ces patientes en deux groupes : un groupe plus large utilisé pour enseigner au système informatique ce qu'il doit rechercher, et un groupe plus petit et distinct utilisé pour tester si le système pouvait faire des prédictions précises sur de nouveaux cas inconnus. L'objectif était de construire un outil quantitatif capable de peser plusieurs facteurs ensemble pour donner une probabilité précise que la masse soit cancéreuse.

Les chercheurs ont commencé par entraîner un ordinateur à analyser les images échographiques brutes pixel par pixel. Ce processus, appelé radiomique, extrait des centaines de détails infimes de l'image qui sont trop subtils pour l'œil humain, tels que les motifs spécifiques de gris et de noir à l'intérieur de la masse. L'ordinateur a calculé un score basé sur ces textures cachées. Simultanément, l'équipe a enregistré des détails cliniques standards, tels que l'âge de la patiente, et des caractéristiques spécifiques observées à l'échographie, comme la forme de la masse, la clarté de ses contours, la présence de dépôts de calcium et sa dureté sous pression. Ils ont ensuite utilisé des méthodes statistiques pour déterminer quels facteurs étaient les plus puissants pour distinguer les deux maladies.

L'analyse a révélé que six facteurs spécifiques étaient les prédicteurs les plus fiables. Ceux-ci comprenaient l'âge de la patiente, la forme de la lésion, la nature de ses marges, la présence de calcifications, le score de dureté issu de l'élastographie et le score de texture généré par l'ordinateur. Curieusement, bien que l'analyse de texture par ordinateur soit utile par elle-même, elle n'était pas aussi précise que les observations humaines. Cependant, lorsque le score de l'ordinateur a été combiné aux observations humaines, le résultat fut un outil de diagnostic hautement précis. Les chercheurs ont transformé cette combinaison de six facteurs en un graphique visuel appelé nomogramme. Ce graphique permet à un médecin de simplement regarder les détails spécifiques d'une patiente, de trouver les points correspondants pour chaque facteur, de les additionner et de lire un pourcentage final qui représente la probabilité que la patiente ait un cancer.

Lorsque les chercheurs ont testé ce nouvel outil sur le groupe de patientes qu'ils n'avaient pas utilisé pour l'entraînement, les résultats ont été frappants. L'outil a correctement identifié 99 % des cas de cancer et a correctement identifié 83 % des cas bénins. Dans le monde du diagnostic médical, ce niveau de précision est exceptionnel. L'outil a été plus performant qu'en utilisant uniquement les caractéristiques échographiques et bien plus performant qu'en utilisant uniquement l'analyse de texture informatique. Les chercheurs ont constaté que les indices les plus critiques étaient souvent les contours de la masse et la présence de calcium. Les masses cancéreuses avaient tendance à présenter des bords irréguliers et mal définis, et étaient plus susceptibles de contenir des dépôts de calcium, tandis que les masses inflammatoires bénignes présentaient souvent des limites plus lisses et manquaient de ces dépôts. La dureté du tissu jouait également un rôle majeur, le tissu cancéreux étant généralement beaucoup plus dur que le tissu inflammatoire.

L'étude souligne que, bien que l'analyse informatique des textures d'image soit un ajout puissant, elle fonctionne mieux lorsqu'elle soutient, plutôt qu'elle ne remplace, l'observation attentive d'un échographiste qualifié. L'outil final ne nécessite pas de supercalculateur pour être utilisé ; c'est un système de notation simple qui peut être appliqué au chevet du patient. En fournissant une probabilité numérique claire, l'outil aide les médecins à prendre des décisions plus confiantes. Si le risque calculé est faible, un médecin peut se sentir à l'aise pour surveiller étroitement la patiente plutôt que d'ordonner immédiatement une biopsie. Si le risque est élevé, l'outil fournit des preuves solides pour procéder à une intervention.

Les auteurs précisent avec prudence que cet outil n'est pas un remplacement du jugement d'un médecin, ni une réponse définitive pour chaque patiente. Il est conçu spécifiquement pour ces cas difficiles où les images échographiques sont peu claires. Comme l'étude a été menée dans un seul hôpital à partir de données passées, les chercheurs reconnaissent que l'outil doit être testé dans d'autres hôpitaux et avec différentes machines pour garantir son universalité. Ils prévoient également d'affiner la méthode en utilisant des programmes informatiques automatisés pour délimiter les masses, ce qui éliminerait les petites variations qui surviennent lorsque différents médecins dessinent les contours à la main. Jusqu'à ce que ces futures études soient achevées, ce nouveau système de notation constitue une étape prometteuse, offrant un moyen de réduire les biopsies inutiles et d'apporter de la clarté dans un recoin confus de la santé mammaire.