Apport de séquences d'IRM avancés et de l'IA en neuro-oncologie

Contexte : Ces dix dernières années, la neuro-oncologie a progressé dans la stratification pronostique des tumeurs cérébrales, adopté des classifications histomoléculaires et introduit des thérapies ciblées. Dans ce contexte en évolution rapide, l'imagerie par résonance magnétique (IRM) et l'apprentissage profond (deep learning, DL) sont prometteuses mais manquent de preuves cliniques et d'efforts de validation, ce qui limite leur intégration en clinique. Nous abordons certaines de ces limites pour trois types de tumeurs cérébrales. Objectifs : Nos objectifs étaient triples : (1) Évaluer la spectroscopie par RM éditée pour les gliomes diffus ; (2) Renforcer les preuves cliniques de l'imagerie pondérée par transfert de protons amides (APTw) pour les métastases cérébrales ; (3) Développer un modèle de segmentation automatique pour les lymphomes primitifs du système nerveux central (LP-SNC). Méthodes :1) En utilisant la spectroscopie éditée, nous avons détecté le D-2-hydroxyglutarate (2HG) et la cystathionine, deux oncométabolites fortement associés aux deux principaux marqueurs diagnostiques moléculaires dans les gliomes : la mutation IDH et la codélétion 1p/19q, respectivement. Nous avons également mesuré le temps écoulé entre la prédiction du sous-type de gliome via la spectroscopie et le diagnostic histomoléculaire de l'OMS 2021. 2) Nous avons comparé la précision diagnostique de l'imagerie APTw corrigée des artefacts de fluide et du volume sanguin cérébral relatif (rCBV) dans les métastases évolutives préalablement irradiées. Le diagnostic final de radionécrose ou de progression a été déterminé par histologie ou suivi d'imagerie. 3) Nous avons utilisé des IRM pondérées en T1 post-contrastées (GD-T1w) segmentées manuellement de 135 sujets atteints de LP-SNC, provenant de huit centres, pour entraîner un modèle d'apprentissage profond basé sur le cadre nnU-net. Nous avons ensuite mené une validation qualitative et quantitative des performances du modèle de segmentation. Résultats : 1) La spectroscopie éditée a prédit à la fois la mutation IDH et la codélétion 1p/19q par la détection de 2HG et de cystathionine avec une haute spécificité. L'IRM, améliorée par la spectroscopie par résonance magnétique modifiée, a permis un diagnostic plus précoce que l'analyse de l'OMS 2021. 2) Les métriques APTw supprimant les fluides ont surpassé les valeurs de rCBV dans la distinction entre radionécrose et progression tumorale. 3) Le modèle nnU-net a démontré une haute précision dans les tests internes et externes, performant mieux avec des lésions homogènes et discrètes. Il y avait une forte corrélation entre les segmentations automatiques et manuelles. Discussion : Ce travail met en évidence la pertinence clinique de la spectroscopie éditée et de l'imagerie APTw, deux séquences IRM avancées émergentes, et a conduit au développement et à la validation du premier outil de segmentation automatisé pour les LP-SNC. Il a confirmé la haute spécificité de la spectroscopie éditée pour la détection de la mutation IDH, ce qui est pertinent étant donné l'avènement des inhibiteurs d'IDH. Il a également démontré que la spectroscopie par résonance magnétique modifiée est réalisable dans des contextes cliniques, tant au diagnostic qu'à la progression, avec une qualité de données comparable à celle des contextes de recherche. Il a évalué, pour la première fois, que l'imagerie APTw supprimant les fluides peut mieux distinguer la radionécrose de la progression tumorale que l'imagerie standard actuelle dans les métastases cérébrales. Enfin, il a introduit et évalué rigoureusement le premier outil de segmentation précis, robuste et disponible publiquement pour les lymphomes cérébraux primaires. Conclusion : Notre recherche translationnelle a abordé des besoins cliniques non satisfaits avec des techniques IRM de haut niveau et un outil d'évaluation d'apprentissage profond, visant à améliorer les diagnostics de précision en neuro-oncologie.