Texture-driven radiomics from longitudinal contrast-enhanced CT predicts short-term immunotherapy response in lung cancer: A retrospective cohort study

Dans la lutte contre le cancer du poumon avancé, les médecins disposent d'un nouvel outil puissant : des médicaments qui réveillent le propre système immunitaire du patient pour attaquer la tumeur. Ces traitements, connus sous le nom d'inhibiteurs de points de contrôle immunitaire, ont changé le paysage des soins, offrant de l'espoir là où peu existait auparavant. Cependant, ils ne fonctionnent pas pour tout le monde. Certains patients voient leurs tumeurs rétrécir de manière spectaculaire, tandis que d'autres ne voient aucun changement ou même une croissance temporaire et trompeuse qui est en réalité le signe que le système immunitaire gagne en force. La norme actuelle pour vérifier si un médicament fonctionne repose sur la mesure de la taille de la tumeur par scanner CT. Cette méthode, bien qu'utile, est souvent trop lente pour saisir les signes subtils et précoces de succès ou d'échec, et elle peut être trompée par la façon complexe dont ces médicaments interagissent avec le corps. Les scientifiques espéraient depuis longtemps que l'analyse informatique d'images médicales, un domaine appelé radiomique, pourrait trouver des modèles cachés qui prédisent qui répondra avant même que la tumeur ne change de taille. Mais les tentatives précédentes d'utiliser ces modèles informatiques sur des scanners uniques et statiques ont été incohérentes, échouant souvent à séparer les véritables signaux biologiques du bruit provenant des différentes machines et techniques de balayage.

Une équipe de chercheurs de l'Université de Lanzhou et de l'Université de Cambridge a décidé d'aborder ce problème différemment. Au lieu de se demander ce qu'une seule image d'une tumeur pourrait leur dire, ils se sont demandé ce que l'histoire du changement pourrait révéler. Ils se sont concentrés sur les patients recevant leur premier cycle d'immunothérapie et ont comparé deux scanners : l'un réalisé avant le début du traitement et un autre quelques semaines plus tard, alors que le traitement était toujours en cours. En analysant comment la texture interne de la tumeur évoluait entre ces deux moments, plutôt que simplement sa taille, ils cherchaient à découvrir un signal plus clair de l'efficacité du médicament. Leur étude, impliquant 156 patients, révèle que la clé pour prédire une réponse à court terme ne réside pas dans l'apparence de la tumeur à un instant donné, mais dans la façon spécifique dont sa structure interne se transforme lorsque le système immunitaire s'engage contre elle.

Les chercheurs ont commencé par rassembler les données de patients ayant subi des scanners CT avec injection de produit de contraste, qui utilisent un produit de contraste spécial pour faire ressortir clairement les vaisseaux sanguins et les tissus. Ils ont soigneusement cartographié les tumeurs et le tissu immédiatement environnant, extrayant des milliers de détails numériques infimes sur les motifs de niveaux de gris au sein des images. Ces détails décrivent la texture du tissu — à quel point la structure interne semble rugueuse, lisse ou complexe — plutôt que simplement sa forme ou sa taille. Ils ont ensuite construit des modèles informatiques pour voir si ces chiffres pouvaient prédire si un patient serait un « répondeur », c'est-à-dire que sa tumeur rétrécit ou disparaît, ou un « non-répondeur ».

Les résultats furent frappants. Lorsque l'équipe n'a examiné que le scanner réalisé avant le début du traitement, les modèles informatiques étaient essentiellement en train de deviner. Ils ne pouvaient pas distinguer les patients qui finiraient par répondre de ceux qui ne le feraient pas, ne performant pas mieux que le hasard. Même les informations cliniques disponibles pour les médecins, telles que l'âge, l'historique de tabagisme et le médicament spécifique utilisé, n'ont pas permis de fournir une prédiction fiable. Cependant, dès que les chercheurs ont observé le changement entre le premier scanner et le second, l'image est devenue claire. Un modèle basé sur la différence de texture entre les deux scanners a prédit avec succès le résultat à court terme avec une grande précision. Cela suggère que le pouvoir prédictif ne se trouve pas dans l'état initial de la tumeur, mais dans la façon dont elle se transforme sous la pression du traitement.

Crucialement, l'étude a montré que ce succès était piloté par la texture, et non par le simple fait que la tumeur rétrécisse. Les chercheurs ont testé si le modèle n'était pas simplement une façon sophistiquée de mesurer le rétrécissement, ce qui est déjà capturé par les règles standard basées sur la taille. Ils ont découvert que même en supprimant toutes les mesures liées à la forme et à la taille de la tumeur, le modèle restait tout aussi précis. En fait, les indices les plus importants étaient les changements dans les motifs internes de la tumeur, tels que l'arrangement des pixels représentant la densité et l'organisation cellulaires. Cela indique que le système immunitaire modifie le paysage microscopique du cancer bien avant que le volume global de la tumeur ne change suffisamment pour être perçu à l'œil nu ou par les outils de mesure standard.

L'équipe a également étudié où résidait ce signal. Il existe une croyance commune selon laquelle le tissu entourant la tumeur est un champ de bataille critique pour le système immunitaire et pourrait détenir les indices les plus importants. Pour tester cela, les chercheurs ont analysé la tumeur elle-même, le tissu immédiatement autour d'elle, ainsi qu'une combinaison des deux. Ils ont découvert que le signal prédictif était le plus fort et le plus fiable en regardant uniquement la tumeur elle-même. L'ajout du tissu environnant n'a pas amélioré la prédiction ; dans certains cas, il n'a fait qu'ajouter du bruit. Cette découverte remet en question l'hypothie que la périphérie est toujours la zone la plus informative, suggérant que pour la réponse à court terme, les changements se produisant à l'intérieur du cœur de la tumeur sont les plus révélateurs.

Bien que le modèle ait été excellent pour prédire si un patient répondrait à court terme, sa capacité à prédire la survie à long terme était plus limitée. Les chercheurs ont constaté que les changements de texture pouvaient modestement séparer les patients en groupes présentant des risques différents de progression de la maladie, mais qu'il ne pouvait pas prédire la survie globale. Cela est probablement dû au fait que la survie est influencée par de nombreux facteurs qui surviennent après le traitement initial, tels que les thérapies ultérieures ou d'autres problèmes de santé, qui diluent le signal précoce. L'étude conclut que si ces changements de texture longitudinaux sont un puissant système d'alerte précoce pour savoir si un médicament fonctionne, ils ne sont pas une boule de cristal pour tout le cours de la maladie.

Les implications de ce travail sont significatives pour la façon dont les médecins pourraient surveiller le traitement du cancer à l'avenir. Cela suggère qu'attendre qu'une tumeur rétrécisse n'est pas la seule façon de juger du succès. En se concentrant sur les changements de texture subtils qui se produisent au cours des premières semaines de thérapie, les cliniciens pourraient être en mesure d'identifier les non-répondeurs beaucoup plus tôt, leur épargnant ainsi les effets secondaires d'un médicament qui ne fonctionne pas et leur permettant de passer plus rapidement à un autre traitement. L'étude souligne également l'importance de regarder le changement au fil du temps plutôt que des instantanés statiques, un principe qui pourrait s'appliquer à de nombreux domaines de l'imagerie médicale. Cependant, les chercheurs précisent avec prudence que leurs conclusions proviennent d'un centre unique et doivent être confirmées dans des groupes de patients plus larges et diversifiés avant de pouvoir être utilisées comme une partie standard des soins cliniques. Pour l'instant, ce travail offre une compréhension plus claire de ce que les images nous disent réellement : que l'histoire de la réponse d'une tumeur s'écrit dans le changement de sa texture, et non seulement dans sa taille.