Recommandations pour l’Application des Systèmes de Reconnaissance du Stade du Cancer Rectal Basés sur des Plateformes d’Intelligence Artificielle (Édition 2021)
L’évaluation par imagerie est devenue une pierre angulaire dans la planification thérapeutique du cancer rectal, que ce soit pour une intervention chirurgicale ou une radiochimiothérapie néoadjuvante. Cependant, l’interprétation des résultats d’imagerie dépend fortement de radiologues expérimentés, et la pénurie ainsi que la répartition inégale de ces professionnels entraînent souvent des retards et des biais diagnostiques. Pour résoudre ce problème, le développement de systèmes automatisés de reconnaissance du stade du cancer rectal, basés sur des plateformes d’intelligence artificielle (IA), a été proposé. Ces systèmes visent à remplacer partiellement le travail manuel des praticiens, permettant une identification rapide et précise du stade du cancer rectal.
Ces recommandations se concentrent sur l’utilisation de réseaux de neurones convolutionnels basés sur des régions rapides (FR-CNN) pour l’apprentissage et l’entraînement à partir d’un grand nombre d’images. Ces réseaux identifient et étiquettent les lésions, délimitent automatiquement les zones cibles et effectuent des reconstructions tridimensionnelles. L’évaluation préopératoire du cancer rectal repose principalement sur le système de stadification TNM (tumeur, ganglion, métastase) et la marge circonférentielle de résection (CRM). Les recommandations soulignent l’utilisation des systèmes d’IA pour évaluer quatre paramètres clés : le stade T, le stade N, la CRM et l’invasion vasculaire extramurale (EMVI).
Établissement de la Base de Données d’Images
La base de données a été constituée à partir d’images IRM 3,0 T provenant de scanners GE, Siemens et Philips. Les séquences et paramètres d’acquisition principaux sont détaillés dans le Tableau Supplémentaire 1. Après collecte, les séquences à valeur diagnostique ont été sélectionnées et intégrées dans un réseau neuronal profond (DNN) pour construire la base.
Identification des Paramètres dans le Jeu d’Entraînement du Système d’IA
Un comité d’experts a défini l’identification des quatre paramètres. Le stade T est déterminé selon le système TNM de l’American Joint Committee on Cancer et l’étude de Horvat et al. : T1 (infiltration de la sous-muqueuse), T2 (extension à la musculeuse), T3 (rupture de la musculeuse avec extension au mésorectum), T4 (infiltration du péritoine ou des organes pelviens). Pour le stade N, les critères diagnostiques incluent la taille (>5 mm en T2), la forme irrégulière et le signal élevé des ganglions lymphatiques (LNs). La CRM positive est définie par une distance ≤1 mm entre la tumeur et le fascia mésorectal (critères du MERCURY Research Group). L’EMVI est évalué via le score de Smith et al., considéré positif en cas de signal tumoral modéré dans les vaisseaux avec dilatation nodulaire.
Processus d’Identification
Deux experts en imagerie et un chirurgien colorectal ont évalué conjointement les images IRM. En cas de désaccord, un quatrième expert était consulté. Environ trois images annotées par patient ont été intégrées dans le DNN pour constituer la base de données.
Architecture d’Entraînement des FR-CNN
Le système combine un réseau de proposition de régions et un détecteur de cibles basé sur les zones candidates. Les deux modules partagent une couche de convolution commune. Les zones suspectes sont délimitées par des boîtes englobantes, accompagnées de scores de probabilité.
Outils d’Évaluation Clinique
Les courbes ROC (Receiver Operating Characteristic) et PR (Precision-Recall) ont été utilisées pour valider le système. L’aire sous la courbe ROC (AUC) a servi d’indicateur principal. Un AUC ≥90 % valide l’application clinique du système.
Interprétation des Résultats
Le système fournit des probabilités pour les quatre paramètres, classées en trois niveaux :
- Haute fiabilité : Stade T ≥90 % ; Stade N, CRM ou EMVI ≥80 %.
- Conformité possible : 90 % > Stade T ≥70 % ; 80 % > Stade N, CRM ou EMVI ≥60 %.
- Fiabilité faible : Stade T <70 % ; Stade N, CRM ou EMVI <60 %.
Scénarios d’Application Clinique
Pour les cancers T1N0, une résection locale transanale ou une microchirurgie endoscopique est recommandée. Si des métastases ganglionnaires latérales sont suspectées, une radiochimiothérapie néoadjuvante est initiée, suivie d’une réévaluation par l’IA. En cas de réponse complète clinique (cCR), une stratégie de surveillance ou une résection locale est privilégiée. Sinon, une exérèse totale du mésorectum (TME) est indiquée. En cas de métastases latérales persistantes, un curage ganglionnaire sélectif est réalisé.
Conclusion
Les systèmes d’IA, basés sur les FR-CNN, offrent une identification rapide et fiable des paramètres de stadification, palliant les lacunes en expertise radiologique. Ces outils, validés par des courbes ROC et une base d’images IRM haute résolution, soutiennent les décisions thérapeutiques personnalisées.
doi : 10.1097/CM9.0000000000001483