Development of a Nomogram Model Based on Contrast-Enhanced CT Histogram Analysis for Preoperative Prediction of Ki-67 Expression Status in Patients with Clear Cell Renal Cell Carcinoma

Le cancer n'est pas une maladie unique, mais un ensemble de troubles définis par la rapidité avec laquelle les cellules se divisent et l'agressivité de leur propagation. Dans le rein, la forme la plus courante de cancer est le carcinome rénal à cellules claires, une tumeur dont le comportement peut varier considérablement d'un patient à l'autre. Certaines croissent lentement et restent confinées, tandis que d'autres sont rapides et dangereuses. Pour savoir de quel type il s'agit, les médecins recherchent souvent une protéine spécifique à l'intérieur des cellules tumorales appelée Ki-67. Cette protéine agit comme un interrupteur moléculaire qui ne s'active que lorsqu'une cellule est activement en train de se préparer à se diviser. Plus la présence de Ki-67 est élevée, plus l'activité cellulaire est frénétique, et plus la probabilité que la tumeur soit agressive est grande. Cependant, déterminer la quantité de cette protéine nécessite généralement une chirurgie pour retirer la tumeur, puis une analyse du tissu sous un microscope. Ce processus invasif signifie que les médecins ne peuvent souvent pas connaître la véritable nature de la tumeur avant que l'opération ne soit déjà terminée.

Une équipe de chercheurs de l'hôpital de la deuxième université de Lanzhou a mis au point un moyen de jeter un coup d'œil à ces informations cachées avant même que le patient ne passe sous le bistouri. En utilisant des scanners CT standards, qui sont comme des radiographies tridimensionnelles détaillées, ils ont créé un outil mathématique capable de prédire le niveau d'activité de Ki-67 avec une précision surprenante. L'étude s'est concentrée sur 213 patients ayant déjà subi une chirurgie pour ce type de cancer du rein. Les chercheurs ont examiné rétrospectivement les images CT prises avant les opérations en les combinant avec des résultats simples de tests sanguins et la taille des tumeurs. Ils ont découvert que la texture interne de la tumeur, telle qu'observée sur le scanner, recèle des indices sur la vitesse de multiplication des cellules. En mélangeant ces détails visuels avec les analyses sanguines du patient, ils ont construit un guide qui aide les médecins à estimer l'agressivité de la tumeur à l'avance, permettant ainsi des décisions de traitement plus éclairées avant la première incision.

Les chercheurs ont commencé par rassembler les données des patients traités entre janvier 2022 et décembre 2024. Ils ont divisé le groupe en deux ensembles : un groupe plus large pour construire leur modèle et un groupe plus restreint pour le tester. Pour chaque patient, ils ont examiné les scanners CT réalisés lors de deux moments spécifiques où le produit de contraste circulait à travers les reins. Ils ont également examiné les tests sanguins des patients, en comptant spéciflement le nombre de monocytes, un type de globule blanc, et en calculant le rapport entre les neutrophiles et les lymphocytes, deux autres types de cellules immunitaires. Ils ont mesuré la taille de la tumeur et ont analysé avec soin les motifs de niveaux de gris à l'intérieur de la tumeur sur le scanner. Cette analyse de motif, appelée analyse d'histogramme, examine la manière dont la luminosité de chaque minuscule pixel au sein de la tumeur est distribuée. Au lieu de simplement regarder la luminosité moyenne, ils ont mesuré à quel point la distribution était inégale ou « asymétrique », un détail qui peut révéler des variations cachées dans la structure des tissus.

À l'aide d'un algorithme informatique, l'équipe a passé au crible des dizaines d'indices potentiels pour trouver les quatre qui comptaient le plus. Ils ont découvert que la taille de la tumeur, le nombre de monocytes du patient, le rapport entre les neutrophiles et les lymphocytes, ainsi que l'asymétrie spécifique de la luminosité de la tumeur sur le scanner étaient les prédicteurs les plus puissants. Ces quatre facteurs ont été combinés en un seul tableau visuel, appelé nomogramme. Ce tableau permet à un médecin d'introduire les chiffres spécifiques d'un patient et de voir une probabilité calculée que la tumeur présente une expression de Ki-67 élevée ou faible. Lorsqu'ils ont testé cet outil sur le groupe de patients utilisé pour construire le modèle, il a atteint une AUC de 0,86. Lorsqu'ils ont testé le modèle sur le groupe distinct de patients utilisé pour la validation, l'AUC est restée tout aussi élevée, environ 0,86.

L'étude a montré que cette approche combinée était bien meilleure que l'examen d'un seul facteur à part. Par exemple, l'observation de la seule taille de la tumeur ou des seuls numérations sanguines ne suffisait pas à faire une prédiction fiable. La force résidait dans la combinaison. Les chercheurs ont également vérifié la correspondance entre leurs prédictions et la réalité à l'aide de tests statistiques, et les résultats ont montré un fort accord entre ce que le modèle prédisait et ce qui a été réellement trouvé dans les rapports de pathologie après la chirurgie. Ils ont ensuite démontré que l'utilisation de cet outil permettrait d'obtenir un meilleur résultat clinique qu'en traitant simplement chaque patient de la même manière ou en ignorant totalement le risque. Le modèle a réussi à mettre en évidence que les tumeurs présentant des niveaux de Ki-67 plus élevés avaient tendance à être plus volumineuses, présentaient des textures internes plus irrégulières sur le scanner et étaient associées à des schémas d'inflammation spécifiques dans le sang.

Bien que les résultats soient prometteurs, les chercheurs précisent avec prudence qu'il s'agissait d'une étude rétrospective, ce qui signifie qu'ils ont examiné des données passées plutôt que de suivre les patients dans le temps. Les données proviennent d'un seul hôpital, et la méthode repose sur des types spécifiques de scanners CT, ce qui signifie que l'outil doit être testé dans d'autres contextes et avec des équipements différents pour garantir son universalité. De plus, l'étude n'a pas suivi la durée de vie des patients après le traitement, donc la capacité de l'outil à prédire la survie à long terme reste à démontrer. Cependant, ce travail constitue une avancée significative dans la médecine non invasive. En transformant un scanner CT standard et un test sanguin de routine en une fenêtre sur la biologie de la tumeur, ce modèle offre aux médecins un nouveau moyen de comprendre l'ennemi avant que la bataille ne commence, évitant potentiellement aux patients des procédures inutiles ou garantissant qu'ils reçoivent l'intensité de soins appropriée dès le début.