Radiomique et apprentissage profond dans le cancer de la tête et du cou

Les carcinomes épidermoïdes de la tête et du cou (HNSCC) sont un groupe de cancers qui se développent dans les muqueuses de la bouche, de la gorge et du larynx. Ces cancers peuvent avoir des caractéristiques très différentes. D'après un rapport récent, il y avait environ 826 000 nouveaux cas et près de 446 000 décès dus au HNSCC dans le monde en un an. Ça représente environ 4,4 % de tous les cas de cancer et un pourcentage similaire des décès liés au cancer à l'échelle mondiale. Des facteurs comme la consommation d'alcool et de tabac, les changements dans l'alimentation et l'exposition à certains virus peuvent jouer un rôle dans la hausse de ces cancers.

#Traitement et taux de Survie

Pour les cas avancés de HNSCC, le traitement implique généralement un mélange de radiothérapie, de chimiothérapie et de chirurgie. Les taux de survie après cinq ans peuvent varier selon le type de cancer. Par exemple, ceux avec un cancer oropharyngé HPV positif ont un taux de survie proche de 90 %, tandis que ceux avec un cancer hypopharyngé avancé n'ont qu'un taux de survie de 25 %. Les traitements peuvent entraîner des effets secondaires comme des changements d'apparence, une bouche sèche, des difficultés à avaler, des douleurs en avalant, un rétrécissement des tissus, de la fatigue et une perte auditive. Ces dernières années, l'accent a été mis sur l'amélioration de la qualité de vie des survivants, avec plus d'attention sur la gestion des effets secondaires et le soutien à la santé mentale.

#Nouvelles options de traitement

De nouveaux traitements comme l'immunothérapie et la thérapie par faisceau de protons sont disponibles mais peuvent ne pas être accessibles partout, ce qui rend nécessaire l'identification des patients qui pourraient bénéficier de ces options coûteuses. Cela aide à s'assurer que ceux qui ne tireront peut-être pas d'avantages de traitements agressifs reçoivent des soins plus adaptés.

#Complexité du HNSCC

Le HNSCC est complexe, avec des variations significatives à l'intérieur et entre les tumeurs. Les méthodes d'imagerie standard comme le CT, le PET et l'IRM fournissent principalement des interprétations visuelles ou des mesures simples des tumeurs. Bien que ces méthodes soient utiles pour gérer le cancer, elles peuvent ne pas saisir toute la diversité du HNSCC pour éclairer efficacement les décisions de traitement.

#Le rôle de la Radiomique

La radiomique est un domaine en développement qui utilise des algorithmes informatiques pour extraire un grand nombre de caractéristiques d'images médicales. Ces caractéristiques peuvent aider à prédire les résultats pour les patients atteints de cancer. Récemment, les techniques d'Apprentissage profond ont fait progresser l'analyse d'images en permettant aux ordinateurs d'apprendre directement des images sans nécessiter de caractéristiques prédéfinies.

Le nombre d'études utilisant la radiomique et l'apprentissage profond pour prédire les résultats du HNSCC est en augmentation, reflétant un intérêt et une innovation croissants. Certaines revues ont exploré l'application de l'apprentissage automatique dans le HNSCC mais n'ont pas systématiquement évalué la qualité des méthodes utilisées dans ces études.

#Objectif de la revue

Cette revue vise à comparer l'efficacité des modèles utilisant des caractéristiques de radiomique artisanale par rapport à ceux reposant sur l'apprentissage profond pour prédire les résultats dans le HNSCC. Elle se concentre sur des études de haute qualité rapportant des résultats à long terme pour les patients atteints de cancers oropharyngés, hypopharyngés et laryngés avancés, souvent traités par chimiothérapie et radiothérapie.

#Éligibilité pour la revue

Pour être inclus dans la revue, les études doivent impliquer des sujets humains diagnostiqués avec un HNSCC primaire traité par chimiothérapie et/ou radiothérapie. Elles doivent rapporter au moins un résultat clinique, comme des taux de survie ou de récidive, basé sur des caractéristiques extraites d'images. Les études se concentrant uniquement sur le carcinome nasopharyngé, utilisant uniquement des méthodes en laboratoire, ou ne rapportant pas de résultats à long terme ont été exclues.

#Recherche d'études pertinentes

Les chercheurs ont parcouru la base de données PubMed et inclus d'autres sources pertinentes pour des articles publiés jusqu'en mai 2023. Ils se sont concentrés sur des études qui ont examiné l'utilisation de la radiomique et de l'apprentissage profond dans le pronostic du HNSCC.

#Processus de sélection

Deux réviseurs ont examiné indépendamment les articles en fonction de leurs titres et résumés pour trouver des études appropriées. Celles qui répondaient aux critères d'inclusion ont été examinées en détail pour confirmer leur éligibilité. Les informations des études ont ensuite été résumées, en mettant l'accent sur des aspects comme le type de cancer, les techniques d'imagerie utilisées et les résultats rapportés.

#Évaluation de la qualité des études

Les chercheurs ont évalué la qualité méthodologique des études à l'aide d'un système de notation. Ils ont examiné des facteurs comme si l'étude était enregistrée avant le début, la clarté dans la description des techniques d'imagerie, les détails sur le développement du modèle et si les résultats cliniques étaient clairement définis. Le but était d'évaluer à quel point les résultats pouvaient être fiables et reproductibles dans d'autres contextes.

#Résultats généraux des études incluses

Parmi les études examinées, la plupart incluaient une forme de radiomique, tandis qu'un nombre plus restreint appliquait des techniques d'apprentissage profond. La zone la plus touchée par le cancer était le cancer oropharyngé, suivie du larynx et de l'hypopharynx. Beaucoup d'études utilisaient des images provenant de la planification du traitement par radiothérapie, la plupart des patients recevant de la radiothérapie ou de la chimiothérapie.

#Performance des modèles de radiomique et d'apprentissage profond

La revue a révélé que combiner des caractéristiques d'imagerie et des informations cliniques conduisait souvent à une meilleure prédiction des résultats comparé à l'utilisation d'informations cliniques seules. Certaines études ont rapporté des taux de précision élevés pour prédire la survie, tandis que d'autres ont montré des résultats mitigés. En général, les modèles d'apprentissage profond avaient tendance à mieux performer, bien que les deux approches amélioraient la puissance prédictive lorsqu'elles étaient combinées avec des données cliniques.

#Résultats de l'évaluation de la qualité méthodologique

La revue a noté que de nombreuses études manquaient de détails méthodologiques rigoureux. La plupart des études n'ont pas enregistré leurs protocoles à l'avance, ce qui a soulevé des questions sur leur fiabilité. La majorité n'a pas fourni de protocoles d'imagerie complets ou de détails sur la manière dont les résultats cliniques étaient évalués, rendant difficile le jugement de leur efficacité globale.

#Implications pour la recherche future

D'autres recherches sont nécessaires pour améliorer la qualité des études dans ce domaine. Les futurs articles devraient envisager d'enregistrer leurs méthodologies à l'avance et de rendre compte en détail de leurs processus de développement de modèles. Évaluer l'utilisation pratique de ces modèles, y compris leur coût-efficacité, est également essentiel.

#Importance des pratiques transparentes

La transparence dans le processus de recherche peut renforcer la confiance dans les résultats concernant la pronostic du HNSCC. La communauté de la recherche devrait promouvoir les meilleures pratiques pour les études de radiomique, y compris des définitions claires des résultats cliniques et un rapport détaillé des méthodes d'imagerie.

#Conclusion

Cette revue met en lumière le potentiel des modèles de radiomique et d'apprentissage profond dans la prédiction des résultats pour le cancer de la tête et du cou, mais souligne aussi la nécessité d'améliorer les normes de recherche. Un accent sur des méthodologies rigoureuses et des évaluations pratiques peut améliorer le développement de meilleures stratégies de traitement adaptées aux patients individuels, augmentant finalement leurs chances de résultats réussis. Les études futures devraient s'appuyer sur ces insights pour affiner leurs approches, garantissant que les avancées technologiques se traduisent par de meilleurs soins pour les patients atteints de HNSCC.