Des chercheurs ont présenté un modèle d'IA lors de la réunion annuelle de l'ASTRO qui prédit avec précision la récidive biochimique chez les patients atteints de cancer de la prostate après une thérapie par radiation. L'outil utilise des IRM pré-traitement et des données cliniques pour surpasser les modèles de risque traditionnels. Cette avancée pourrait aider à adapter les traitements de manière plus efficace.
Lors de la réunion annuelle de l'American Society for Radiation Oncology (ASTRO), tenue à Washington, D.C., du 20 au 23 octobre 2024, une équipe du UT Southwestern Medical Center a présenté des résultats sur un nouveau modèle prédictif basé sur l'IA pour les résultats du cancer de la prostate.
L'étude, dirigée par David P. Hormuth II, PhD, professeur adjoint en oncologie radiothérapeutique, s'est concentrée sur la récidive biochimique (BCR), définie comme une augmentation des niveaux d'antigène prostatique spécifique (PSA) post-traitement, indiquant un possible retour du cancer. Le modèle a été développé en utilisant des données de plus de 1 000 patients traités par thérapie de radiation entre 2003 et 2017 au UT Southwestern.
La clé de l'outil d'IA est son intégration de caractéristiques d'imagerie quantitative issues d'IRM pré-traitement, combinées à des variables cliniques standard telles que l'âge, le score de Gleason et les niveaux de PSA. Entraîné sur cet ensemble de données, le modèle a atteint une aire sous la courbe (AUC) de 0,87 pour prédire le risque de BCR à deux ans, surpassant les performances de nomogrammes établis comme le modèle du Memorial Sloan Kettering Cancer Center (MSKCC), qui a obtenu 0,75 AUC.
« Cette approche d'IA nous permet d'extraire des informations nuancées des images qui ne sont pas capturées par les méthodes traditionnelles », a déclaré Hormuth lors de la présentation. La validation de l'outil sur une cohorte indépendante de 200 patients a confirmé sa robustesse, avec une précision prédictive similaire.
Le contexte de fond met en lumière le défi dans la gestion du cancer de la prostate : bien que la thérapie de radiation soit efficace, jusqu'à 30 % des patients connaissent une BCR dans les cinq ans, menant souvent à des thérapies supplémentaires. La stratification de risque actuelle repose sur des facteurs clinicopathologiques, mais l'IA basée sur l'imagerie pourrait affiner cela en identifiant des caractéristiques tumorales subtiles.
Les implications incluent un potentiel pour des plans de traitement personnalisés, tels que l'intensification de la thérapie pour les patients à haut risque ou la désescalade pour ceux à faible risque, visant finalement à réduire les sur-traitements. Les chercheurs ont noté l'applicabilité du modèle aux imageries de soins standards, le rendant feasible pour une adoption clinique plus large. Cependant, ils ont souligné la nécessité d'études plus larges et multi-institutionnelles pour valider la généralisabilité.
Aucune contradiction majeure n'est apparue dans le rapport, car les détails de la présentation s'alignent sur la méthodologie de l'étude publiée dans l'abstract.