1. Valeur de la radiomique pour la caractérisation des masses mammaires en IRM, en comparaison avec la classification BI-RADS et l'histologie comme référence
- Author
-
Debbi, Kawtar, Aix-Marseille Université - École de médecine (AMU SMPM MED), Aix-Marseille Université - Faculté des sciences médicales et paramédicales (AMU SMPM), Aix Marseille Université (AMU)-Aix Marseille Université (AMU), and Anaïs Grob
- Subjects
BI-RADS ,[SDV]Life Sciences [q-bio] ,Machine learning ,Radiomique ,[SDV.MHEP]Life Sciences [q-bio]/Human health and pathology ,IRM mammaire - Abstract
Objectif : l’objectif de cette étude est de créer et valider un modèle de prédiction en radiomique de caractérisation des masses mammaires en IRM et d’évaluer ses performances diagnostiques en comparaison à l’analyse BI-RADS et l’histologie comme référence.Matériel et méthode : cette étude rétrospective a inclus 94 masses mammaires en IRM chez 79 patientes avec documentation histologique entre janvier 2017 et décembre 2019. Un contourage des masses a été réalisé par une segmentation semi-automatique à partir des séquences dynamiques injectées soustraites (DCE) et des cartes de rehaussement du signal, et a permis de définir les régions d’intérêt (ROI) analysées. 1246 descripteurs radiomiques ont été extraits et l’algorithme Boruta a permis une sélection de 18 descripteurs pertinents. L’algorithme Random Forest a permis de créer un modèle statistique optimal à partir de ces descripteurs. En parallèle, une analyse radiologique standard par les critères BI-RADS a été réalisée par un radiologue spécialisé en aveugle du diagnostic histologique, et ses performances diagnostiques ont été comparées au modèle de prédiction à l’aide de courbes ROC et un test de significativité. Résultats : dix-sept descripteurs radiomiques considérés comme non redondants et importants ont été retenus. Parmi ces descripteurs, 11 étaient de second ordre. L’aire sous la courbe (AUC) du modèle statistique de prédiction et de l’analyse par le BI-RADS était respectivement de 93.7 (IC95% [84.6,100]) et 84.1 (IC95% [73.3,94.9]) (p=0.19). La spécificité était de 33.3 % (IC95% [9.7,70]) et 16.7% (IC95% [3.0,56.4]) pour le modèle statistique et l’analyse BI-RADS respectivement.Conclusion : le modèle statistique radiomique semble augmenter les performances diagnostiques de prédiction d’une masse mammaire en comparaison à l’analyse standard BI-RADS bien que les résultats ne soient pas statistiquement significatifs, compte tenu d’un manque de puissance.
- Published
- 2021