Search

In Glioblastoma Multiforme (GBM) image-derived features (“radiomics”) could help in individualizing patient management. Simple geometric features of tumors (necrosis, edema, active tumor) and first-order statistics in Magnetic Resonance Imaging (MRI) are used in clinical practice. However, these features provide limited characterization power because they do not incorporate spatial information and thus cannot differentiate patterns. The aim of this work is to develop and evaluate a methodological framework dedicated to building a prognostic model based on heterogeneity textural features of multimodal MRI sequences (T1, T1-contrast, T2 and FLAIR) in GBM. The proposed workflow consists in i) registering the available 3D multimodal MR images and segmenting the tumor volume, ii) extracting image features such as heterogeneity metrics and iii) building a prognostic model by selecting, ranking and combining optimal features through machine learning (Support Vector Machine). This framework was applied to 40 histologically proven GBM patients with the endpoint being overall survival (OS) classified as above or below the median survival (15 months). The models combining features from a maximum of two modalities were evaluated using leave-one-out cross-validation (LOOCV). A classification accuracy of 90% (sensitivity 85%, specificity 95%) was obtained by combining features from T1 pre-contrast and T1 post-contrast sequences. Our results suggest that several textural features in each MR sequence have prognostic value in GBM. [ABSTRACT FROM AUTHOR]

Abstract: PET imaging is now considered a gold standard tool in clinical oncology, especially for diagnosis purposes. More recent applications such as therapy follow-up or tumor targeting in radiotherapy require a fast, accurate and robust metabolically active tumor volumes delineation on emission images, which cannot be obtained through manual contouring. This clinical need has sprung a large number of methodological developments regarding automatic methods to define tumor volumes on PET images. This paper reviews most of the methodologies that have been recently proposed and discusses their framework and methodological and/or clinical validation. Perspectives regarding the future work to be done are also suggested. [Copyright &y& Elsevier]

Copyright of IRBM is the property of Elsevier B.V. and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Abstract: The display of image fusion is well accepted as a powerful tool in visual image analysis and comparison. In clinical practice, this is a mandatory step when studying images from a dual PET/CT scanner. However, the display methods that are implemented on most workstations simply show both images side by side, in separate and synchronized windows. Sometimes images are presented superimposed in a single window, preventing the user from doing quantitative analysis. In this article a new image fusion scheme is presented, allowing performing quantitative analysis directly on the fused images. Methods: The objective is to preserve the functional information provided by PET while incorporating details of higher resolution from the CT image. The process relies on a discrete wavelet-based image merging: both images are decomposed into successive details layers by using the “à trous” transform. This algorithm performs wavelet decomposition of images and provides coarser and coarser spatial resolution versions of them. The high-spatial frequencies of the CT, or details, can be easily obtained at any level of resolution. A simple model is then inferred to compute the lacking details of the PET scan from the high frequency detail layers of the CT. These details are then incorporated in the PET image on a voxel-to-voxel basis, giving the fused PET/CT image. Results: Aside from the expected visual enhancement, quantitative comparison of initial PET and CT images with fused images was performed in 12 patients. The obtained results were in accordance with the objectives of the study, in the sense that the organs’ mean intensity in PET was preserved in the fused image. Conclusion: This alternative approach to PET/CT fusion display should be of interest for people interested in a more quantitative aspect of image fusion. The proposed method is actually complementary to more classical visualization tools. [Copyright &y& Elsevier]

Le but de ce travail était de décrire une méthodologie de sélection longitudinale de radiomique extraite des tomographies coniques embarquées de patients atteint d'un carcinome épidermoïde de la sphère ORL et d'établir une signature radiomique permettant de prédire la réponse thérapeutique à 3 mois. Chez 102 patients (validation n = 68, entraînement n = 34), les volumes tumoraux primitifs et ganglionnaires issus de la planification ont été importés sur les tomographies coniques hebdomadaires. Quatre-vingt-huit radiomiques ont été extraits de chaque volume primitifs. Des courbes ROC ont été construites pour chaque radiomiques, sur chacunes des tomographies coniques afin d'évaluer leur pouvoir prédictif sur la réponse thérapeutique. Les radiomiques significatifs à chaque semaine ont été présélectionnés. Le plus petit changement détectable avec son intervalle de confiance à 95 % (IC95 %) a été déterminé (C = 1,96 × sd) pour chaque radiomique (SD = déviation standard des valeurs des calculs [tomographie conique 2 − tomographie conique 1]). Les différences absolues des calculs de [tomographie conique n − tomographie conique 1] (Δ radiomiques) ont été calculées. Les radiomiques présentant un changement au-delà de l'IC95 % chez plus de 10 % des patients ont été conservés. Une signature radiomique a été recherchée à la semaine durant laquelle se produisait le plus de changements. trois modèles ont été comparés : clinique, radiomique et combiné. La signature radiomique a été établie à la semaine 3. Pour le volume tumoral primitif : les AUC (aire sous la courbe, prédiction de la réponse thérapeutique) étaient de 0,78 (p < 0,001), 0,71 (p = 0,006) et 0,74 (p < 0,001) pour les modèles cliniques, radiomique et combiné, respectivement ; pour le volume primitif ganglionnaire : le modèle clinique (AUC : 0,74, p < 0,001) était plus performant que les deux autres. Sur la cohorte de validation, la radiomique avait le meilleur pouvoir prédictif pour le volume tumoral primitif (AUC = 0,64) tandis que la clinique était plus performante pour le volume ganglionnaire. Il s'agit de la première étude décrivant une méthodologie de sélection longitudinale de radiomiques extraits de tomographies coniques de patients avec un cancer de la sphère ORL et évaluant leur valeur pronostique. Le modèle radiomique à la troisième semaine semble avoir un potentiel prédictif pour le volume tumoral primitif mais pas pour le volume ganglionnaire. [ABSTRACT FROM AUTHOR]

Introduction Radiomics [1] has been a very active field of research during the last five years. There have been very promising results in CT, MRI and PET/CT image modalities. There are, however, also numerous issues and limitations that have been identified. Methods This talk will review the currently available results of radiomics with a focus on PET/CT imaging, and highlights the identified limitations, issues and potential solutions for the future [2,3] . Results Numerous encouraging results regarding PET/CT radiomics have been published in various types of tumors. However, major limitations include (but are not limited to) statistical power of the studies, lack of methodological standardization, and complexity of the workflow. Conclusions Although radiomics is a fast evolving field of research and encouraging results have been published, caution is required and in order to ensure the future of radiomics, efforts should be focused on methodological standardization, large prospective validation studies, and automatization/simplification of the analysis workflow. [ABSTRACT FROM AUTHOR]

PURPOSE/OBJECTIVE(S): (Chemo)-radiotherapy is the standard treatment for patients with locally advanced lung cancer (LALC) not accessible to surgery. Despite strict application of dose constraints, acute toxicities such as acute pulmonary toxicity (APT) remain frequent, and may impact treatment's compliance and patients' quality of life. Previously, on a population treated with intensity-modulated photon therapy or passive scattering proton therapy, spatial dose patterns associated with APT were identified in the lower lungs, especially in the lower right lung. In the present study, we aim to define these spatial dose patterns on a retrospective cohort treated by volumetric-arc therapy (VMAT) and to validate our findings prospectively.Materials/methods: For the training cohort, we retrospectively included all patients treated in our institution by VMAT for a LALC between 2015 and 2018. APT was scored according to the CTCAE v4.0 scale. All dose maps were registered to a thorax phantom using a segmentation-based elastic registration. Voxel-based analysis of local dose differences was performed with a non-parametric permutation test accounting for n = 10.000 permutations, producing a 3-dimensional significance maps on which clusters of voxels that exhibited significant dose differences (P < 0.05) between the two toxicity groups (APT ≥ grade 2 vs APT < grade 2) were identified. A dose cut-off was defined by maximizing the Youden-Index derived from the Receiver Operative Curve. For the validation cohort, we applied the predefined spatial dose pattern and the dose cut-off to an observational prospective cohort. The model was evaluated using the Area under the curve (AUC) and the balanced accuracy (Bacc: mean of the sensitivity and specificity).Results: 167 and 42 patients were included in the training and validation cohorts, with respective APT rates of 22.2% and 21.4%. In the training cohort, a cluster of voxels was identified in the lower right lung with a cut off of 30.3 Gy for the Dmean(mean-dose). This spatial-based model resulted in an AUC of 0.69 and a Bacc of 0.71. Using the same voxel cluster and the Dmeancut-off on the validation cohort, the model resulted in an AUC of 0.74 and a Bacc of 0.69.Conclusion: Our model corroborates previous findings regarding the possible role of the lower right lung regarding the development of APT and successfully evaluates its robustness in a prospective cohort treated by VMAT. Regional radiosensitivity should be considered in usual lung dose constraints. [ABSTRACT FROM AUTHOR]

• The miscalibration of pulmonary and esophageal toxicities in patients with lung cancer treated by (chemo)-radiotherapy is frequent. • Usual dose-volume histograms do not account for dose spatial distribution. • Radiomics based models contribute to a significant improvement in acute and late pulmonary toxicities prediction. For acute esophageal toxicity, dosimetric and radiomics based models achieve similar results. (Chemo)–radiotherapy (RT) is the gold standard treatment for patients with locally advanced lung cancer non accessible for surgery. However, current toxicity prediction models rely on clinical and dose volume histograms (DVHs) and remain unsufficient. The goal of this work is to investigate the added predictive value of the radiomics approach applied to dose maps regarding acute and late toxicities in both the lungs and esophagus. Acute and late toxicities scored using the CTCAE v4.0 were retrospectively collected on patients treated with RT in our institution. Radiomic features were extracted from 3D dose maps considering Gy values as grey-levels in images. DVH and usual clinical factors were also considered. Three toxicity prediction models (clinical only, clinical + DVH and combined , i.e., including clinical + DVH + radiomics) were incrementally trained using a neural network on 70% of the patients for prediction of grade ≥2 acute and late pulmonary toxicities (APT/LPT) and grade ≥2 acute esophageal toxicities (AET). After bootstrapping (n = 1000), optimal cut-off values were determined based on the Youden Index. The trained models were then evaluated in the remaining 30% of patients using balanced accuracy (BAcc). 167 patients were treated from 2015 to 2018: 78% non small-cell lung cancers, 14% small-cell lung cancers and 8% other histology with a median age at treatment of 66 years. Respectively, 22.2%, 16.8% and 30.0% experienced APT, LPT and AET. In the training set (n = 117), the corresponding BAcc for clinical only/clinical + DVH/combined were 0.68/0.79/0.92, 0.66/0.77/0.87 and 0.68/0.73/0.84. In the testing evaluation (n = 50), these trained models obtained a corresponding BAcc of 0.69/0.69/0.92, 0.76/0.80/0.89 and 0.58/0.73/0.72. In patients with a lung cancer treated with RT, radiomic features extracted from 3D dose maps seem to surpass usual models based on clinical factors and DVHs for the prediction of APT and LPT. [ABSTRACT FROM AUTHOR]

Les avancées sur le plan physique, technologique et biologique ont fait de l'oncologie radiothérapie une discipline en constante progression. De nouveaux axes de recherche actuels pourraient être transférés en clinique dans un favenir proche. Dans cette revue, sous la forme d'interviews, différentes thématiques prometteuses pour notre spécialité sont décrites, telles que le microbiote intestinal, les organoïdes tumoraux (ou avatar), l'intelligence artificielle, les thérapies connectées, les nanotechnologies et le laser plasma. La prédiction individuelle du meilleur index thérapeutique combinée à l'intégration de nouvelles technologies permettra idéalement le traitement hautement personnalisé des patients pris en charge en oncologie radiothérapie. Advances in physical, technological and biological fields have made radiation oncology a discipline in continual evolution. New current research areas could be implemented in the clinic in the near future. In this review in the form of several interviews, various promising themes for our specialty are described such as the gut microbiota, tumor organoids (or avatar), artificial intelligence, connected therapies, nanotechnologies and plasma laser. The individual prediction of the best therapeutic index combined with the integration of new technologies will ideally allow highly personalized treatment of patients receiving radiation therapy. [ABSTRACT FROM AUTHOR]

Radiomics is a field that has been growing rapidly for the past ten years in medical imaging and more particularly in oncology where the primary objective is to contribute to personalised and predictive medicine. This short review aimed at providing some insights regarding the potential value of radiomics for cancer patients treated with radiotherapy. Radiomics may contribute to each stage of the patients' management: diagnosis, planning, treatment monitoring and post-treatment follow-up (toxicity and response). However, its applicability in clinical routine is currently hindered by several factors, including lack of automation, standardisation and harmonisation. A major effort must be carried out to automate the workflow, standardise radiomics good practices and carry out large-scale studies before any transfer to daily clinical practice. [ABSTRACT FROM AUTHOR]

Résumé Objectif Évaluer la valeur pronostique de différents facteurs préthérapeutiques définis avec la tomographie par émission de positons au ( 18 F)-fluorodésoxyglucose (TEP-FDG) pour le cancer de l’œsophage localisé. Patients et méthodes Nous avons réalisé une étude rétrospective monocentrique à partir des dossiers de 83 patients atteints de cancers de l’œsophage traités à visée curative. La chimioradiothérapie a été soit exclusive, soit suivie de chirurgie. Les critères constitutifs, carcinologiques et dérivés de la TEP-FDG ( maximum standardized uptake value [SUV max ], volume tumoral métabolique de la lésion primitive [ metabolically active tumour volume ] défini soit avec le logiciel « fuzzy locally adaptive bayesian » [MATV FLAB ], soit avec un seuillage [MATV seuil ], et le total lesion glycolysis [TLG FLAB et TLG seuil ]) ont été corrélés avec la survie. Résultats La durée médiane de suivi était de 21,8 mois (0,16–104). La durée médiane de survie était de 22 mois (intervalle de confiance à 95 % [IC95 %] : 15,2–28,9). Il y a eu 67 décès, 49 liés au cancer et 18 à une autre cause. Aucun des facteurs testés n’avait un impact significatif sur la survie globale. Pour la survie spécifique, en analyse unifactorielle, le MATV FLAB ( p = 0,025), le TLG FLAB ( p = 0,04) et le TLG seuil ( p = 0,04) avaient un impact significatif. En analyse multifactorielle, seul le MATV FLAB avait un impact significatif ( p = 0,049) : MATV FLAB inférieur à 18 cm 3 : 31,2 mois (IC95 % : 21,7–non atteint) et MATV FLAB supérieur à 18 cm 3 : 20 mois (IC95 % : 11,1–228,9). Conclusion Sur la TEP-FDG initiale, le volume métabolique défini avec l’algorithme de segmentation automatique FLAB était un facteur pronostique intéressant qui mérite d’être évalué sur une cohorte plus importante de patients. Purpose The purpose of this study was to assess the prognostic value of different parameters on pretreatment fluorodeoxyglucose [( 18 F)-FDG] positron emission tomography-computed tomography (PET-CT) in patients with localized oesophageal cancer. Patients and method We retrospectively reviewed 83 cases of localised oesophageal cancer treated in our institution. Patients were treated with curative intent and have received chemoradiotherapy alone or followed by surgery. Different prognostic parameters were correlated to survival: cancer-related factors, patient-related factors and parameters derived from PET-CT (maximum standardized uptake value [SUV max], metabolically active tumor volume either measured with an automatic segmentation software [“fuzzy locally adaptive bayesian”: MATV FLAB ] or with an adaptive threshold method [MATV seuil ] and total lesion glycolysis [TLG FLAB and TLG seuil ]). Results The median follow-up was 21.8 months (range: 0.16–104). The median overall survival was 22 months (95% confidence interval [95%CI]: 15.2–28.9). There were 67 deaths: 49 associated with cancer and 18 from intercurrent causes. None of the tested factors was significant on overall survival. In univariate analysis, the following three factors affected the specific survival: MATV FLAB ( P = 0.025), TLG FLAB ( P = 0.04) and TLG seuil ( P = 0.04). In multivariate analysis, only MATV FLAB had a significant impact on specific survival ( P = 0.049): MATV FLAB < 18 cm 3 : 31.2 months (95%CI: 21.7–not reached) and MATV FLAB > 18 cm 3 : 20 months (95%CI: 11.1–228.9). Conclusion The metabolically active tumour volume measured with the automatic segmentation software FLAB on baseline PET-CT was a significant prognostic factor, which should be tested on a larger cohort. [ABSTRACT FROM AUTHOR]

Chez les patients atteints de cancer du rectum localement évolué pris en charge par chimioradiothérapie néoadjuvante, la chirurgie pourrait être omise chez ceux présentant une réponse pathologique complète sans compromettre la survie sans progression et globale. Notre objectif était de développer un modèle radiomique basé sur l'imagerie par résonance magnétique (IRM) et la tomodensitométrie avec contraste pour prédire la réponse pathologique complète à la chimioradiothérapie néoadjuvante dans les cas de cancer du rectum. Tous les patients pris en charge pour un cancer du rectum localement évolué par une chimioradiothérapie néoadjuvante puis une chirurgie dans deux centres de l'Ouest de la France (Institut de cancérologie Bretagne Occidentale et Institut de cancérologie de l'Ouest) ont été considérés. Les IRM pelviennes avant la chimioradiothérapie néoadjuvante et les scanographies avec injection de produit de contraste étaient obligatoires pour l'inclusion. La tumeur a été segmentée manuellement sur les séquences axiales pondérées en T2 et en diffusion et sur la scanographie avec injection de produit de contraste. Quatre-vingt-huit paramètres radiomiques ont été extraits de chaque séquence à l'aide du logiciel interne Miras©, avec un total de 822 caractéristiques par patient. La cohorte globale a été divisée au hasard en deux cohortes indépendantes (apprentissage : 70 % et test : 30 %). Une sélection stricte des caractéristiques basée sur le coefficient de corrélation de Spearman et l'aire sous la courbe (AUC) a été développée. Trois modèles de prédiction de la réponse pathologique complète (clinique ou radiomique ou combiné des deux) ont été développés sur la cohorte d'entraînement uniquement avec une approche de forêt aléatoire et une validation interne Boostrap avec n = 1000 réplications. Chaque modèle a ensuite été évalué sur l'ensemble de test, sur la base de l'AUC et du C-statistique calculé. Enfin, une harmonisation a posteriori, utilisant l'approche ComBat a été appliquée pour tenir compte de l'hétérogénéité des modalités d'imagerie. Sur les 124 patients inclus, 14 avaient une réponse pathologique complète (11,3 %). Sur la cohorte d'apprentissage, le modèle clinique basé sur deux paramètres (stade T initial et degré de différenciation) a obtenu une AUC de 0,67 et un C-statistique de 0,65. Le modèle radiomique basé sur un paramètre (entropie de l'histogramme dérivé de la séquence T2) a obtenu une AUC de 1 et un C-statistique de 1. Le modèle combiné était strictement identique au modèle radiomique et avait donc les mêmes performances. Sur la cohorte de test, les modèles ont donné un C-statistique de 0,70, 0,73 et 0,73 pour les modèles clinique, radiomique et combiné, respectivement. Enfin, après harmonisation, le modèle radiomique a obtenu un C-statistique de 0,77 sur la cohorte de test, tandis que le modèle combiné a donné un C-statistique de 0,75. Le modèle radiomique basé sur les séquences d'IRM préthérapeutiques pondérées en T2 pourrait aider à prédire la réponse pathologique complète après la chimioradiothérapie néoadjuvante des cancers du rectum localement évolués. [ABSTRACT FROM AUTHOR]

Monitoring the spatial and temporal plant availability of nitrogen (N) in agroecosystems is a key step to improve the synchronization between N fertilizer application and crop N demand, consequently reducing the risk of N emissions to the environment. Using a winter wheat N fertilization dataset from six site-years, we linked dynamic nitrate data measured in the soil solution to standard soil and crop analyses data and multispectral imagery acquired by an unmanned aerial vehicle. Wheat N uptake was determined as remotely estimated N uptake (REN) from the spectral data with a power regression model (mean absolute error = 17 kg N ha−1). The nitrate-N in the soil solution (NSS), extracted by means of suction cups, was measured with an ion-selective electrode. The REN proved to be suitable for monitoring the accumulation of N in the plants along the season. The NSS was characterized by low values and found of limited use as a direct indicator for potentially plant-available N. The N balances resulted in N surplus in the range of 43–100 kg N ha−1 over the six site-years. The most important contribution to the N balances was the soil N supply (67–143 kg N ha−1; mineralization and atmospheric input). Including this factor in the fertilization strategy was investigated post-season by calculating the 'adjusted N fertilization norm', reflecting the current best fertilization practice in Switzerland. The approach suggested lower N fertilization rates in the fields with higher N surplus. However, such static empirical strategies do not allow to react to in-season changes. Sensor-based monitoring could help to overcome this shortcoming. • The remotely estimated N uptake (REN) was suitable for N uptake monitoring. • Nitrate-N in soil solution (NSS) was of limited use as indicator of soil N supply. • Differences in soil N supplies explained variation in N surplus in the N balance. [ABSTRACT FROM AUTHOR]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1553: Development of a CT based radiomic model predictive of non-response to chemotherapy in larynx cancer I. Masson, R. Da-ano, F. Lucia, M. Doré, J. Castelli, C. Goislard de Monsabert, J. Ramée, S. Sellami, D. Visvikis, M. Hatt, U. Schick. [Extracted from the article]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1551: Deep CNN on PET/CT images for NSCLC automated tumor detection and outcome prediction M. Ibrahim, J. Castelli, C. Cheze Le Rest, O. Acosta, D. Visvikis, R. De Crevoisier, M. Hatt. [Extracted from the article]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1530: Pulmonary toxicity in lung cancer treated by (chemo)-radiotherapy: a radiomics-based NTCP. V. Bourbonne, F. Lucia, G. Dissaux, B. Julien, D. Visvikis, O. Pradier, M. Hatt, U. Schick, PO-1530: Pulmonary toxicity in lung cancer treated by (chemo)-radiotherapy: a radiomics-based NTCP. [Extracted from the article]

Poster: Clinical track: Prostate PO-1199: Rectal toxicity prostate cancer treated with Brachytherapy: a radiomics-machine learning based NTCP G. Dissaux, M. Ibrahim, F. Lucia, V. Bourbonne, N. Boussion, O. Pradier, D. Visvikis, A. Valeri, J. Bert, M. Hatt, U. Schick. [Extracted from the article]

Poster discussion: CL: Gynaecology PD-0658: Suboptimal dosimetric coverage of PET/CT hotspots is associated with recurrence for cervical cancer F. Lucia, D. Visvikis, V. Bourbonne, J. Bert, R. Abgral, G. Dissaux, O. Miranda, O. Pradier, M. Hatt, U. Schick. [Extracted from the article]

Poster Highlights: Poster highlights 10 PH: Toxicity modelling PH-0283: Machine learning methods to predict rectal bleeding after prostate cancer radiotherapy M. Ibrahim, E. Mylona, N. Boussion, O. Acosta, R. De Crevoisier, M. Hatt. [Extracted from the article]

La (chimio)radiothérapie est le traitement de référence pour les patients atteints d'un cancer du poumon localement évolué non accessible à la chirurgie. Alors que certains traitements tels que le durvalumab ont permis des progrès en termes de survie sans progression et de survie globale, la prédiction de la toxicité pulmonaire et œsophagienne reste insuffisamment précise. Les histogrammes dose–volume actuels ne tiennent pas compte de la distribution spatiale de la dose et l'application stricte des contraintes de dose actuelles n'empêche pas la survenue de toxicité. Le but de ce travail était d'étudier la valeur prédictive ajoutée de l'approche radiomique appliquée aux cartes de dose concernant la toxicité pulmonaire et œsophagienne, aiguë comme tardive. La toxicité pulmonaire et œsophagienne, aiguë et tardive a été collectée rétrospectivement chez tous les patients pris en charge par (chimio)radiothérapie (arcthérapie dynamique). Les paramètres radiomiques ont été extraits des cartes de doses tridimensionnelles en associant chaque gray à un niveau de gris, à partir des segmentations pulmonaires et œsophagiennes. La distribution de doses (histogrammes dose–volume) et les facteurs cliniques (âge, indice de performance, stade selon l'American Joint Committee on Cancer [AJCC], fonction respiratoire, type histologique, etc.) ont également été pris en compte. Trois modèles de probabilité de toxicité (clinique, avec histogrammes dose–volume et combinée avec implémentation de la radiomique) ont été construits à l'aide d'un réseau neuronal sur 70 % des patients, l'objectif étant la prédiction de la toxicité pulmonaire et oesophagienne aiguës et tardives de grade 2 ou plus, en utilisant l'échelle Common Terminology Criteria for Adverse Events (CTCAE) v.4. Les modèles ont ensuite été évalués chez les 30 % des patients restants. Une validation interne par méthode Boostrap a également été réalisée. Cent-soixante-sept patients ont été traités de 2015 à 2018 : pour 38 % de carcinomes épidermoïdes, 40 % d'adénocarcinomes, 14 % de cancers à petites cellules, 8 % d'autres types histologiques avec un âge médian lors du traitement de 66 ans. Les taux de toxicité étaient respectivement de 22,2 % (pulmonaire aiguë), 30,0 % (œsophagienne aiguë), 16,8 % (pulmonaire tardive) et 5,4 % (œsophagienne tardive). Les précisions de chaque modèle (clinique, avec histogrammes dose–volume ou combiné) sont données dans le Tableau 1. Après Boostrap, l'ajout des caractéristiques radiomiques a significativement amélioré le pouvoir prédictif des modèles en comparaison aux modèles d'histogrammes dose–volume pour toutes les toxicités sauf la toxicité œsophagienne tardive. Les paramètres radiomiques extraits des cartes de doses tridimensionnelles semblent apporter un bénéfice en comparaison aux modèles de toxicités habituels reposant sur des facteurs cliniques et dosimétriques. Ces modèles combinés pourraient aider à mieux évaluer le risque de toxicité pulmonaire et œsophagienne radio-induite. La validation dans une cohorte prospective dans notre établissement est en cours. [ABSTRACT FROM AUTHOR]

La (chimio)-radiothérapie est le traitement de référence des patients atteints de cancer du poumon localement évolué non accessible à la chirurgie. Malgré l'application stricte des contraintes de dose, la toxicité pulmonaire aiguë reste fréquente, et peut impacter l'observance du traitement et la qualité de vie des patients. Précédemment, sur une population prise en charge par photonthérapie ou protonthérapie, une zone radiosensible a été identifiée dans les poumons inférieurs, en particulier dans le poumon inférieur droit. Dans cette étude, nous visions à définir ces zones radiosensibles sur une cohorte rétrospective prise en charge par arcthérapie volumétrique (VMAT) et à valider nos résultats de manière prospective. Pour la cohorte d'entraînement, tous les patients pris en charge dans notre institution par arcthérapie volumétrique pour un cancer du poumon localement évolué entre 2015 et 2018 ont été inclus rétrospectivement. La toxicité pulmonaire aiguë a été évaluée selon l'échelle CTCAE v4.0. Toutes les cartes de dose ont été recalés sur un fantôme de thorax à l'aide d'une déformation élastique basée sur la segmentation. Une analyse des différences de dose locales basée sur les voxels a été réalisée avec un test de permutation non paramétrique (n = 10 000 permutations), produisant des cartes en trois dimensions sur lesquelles ont été identifiés des groupes de voxels présentant des différences de dose significatives (p < 0,05) entre les deux groupes de toxicité (toxicité pulmonaire aiguë de grade supérieur ou égal à 2 contre inférieur à 2). Un seuil de dose a été défini en maximisant l'indice de Youden dérivé de la courbe opérationnelle de récepteur. Pour la validation, nous avons appliqué ce même modèle et le seuil de dose prédéfini à une cohorte prospective observationnelle. Le modèle a été évalué en utilisant l'aire sous la courbe (AUC) et la précision (Bacc : moyenne de la sensibilité et de la spécificité). Cent soixante-sept et 42 patients ont été inclus dans les cohortes d'entraînement et de validation, avec des taux de toxicité pulmonaire aiguë respectifs de 22,2 % et 21,4 %. Dans la cohorte d'entraînement, un sous-groupe de voxels a été identifié dans la partie inférieure droite du poumon avec un seuil de 30,3 Gy pour la dose moyenne. Ce modèle spatial a donné une AUC de 0,69 et une Bacc de 0,71. En utilisant le même groupe de voxels et le même seuil de dose moyenne sur la cohorte de validation, le modèle a donné une AUC de 0,74 et une Bacc de 0,69. Notre modèle corrobore les résultats précédents rapportés concernant le rôle possible de la partie inférieure du poumon droit dans le développement de la toxicité pulmonaire aiguë et évalue avec succès sa robustesse dans une cohorte prospective prise en charge par arcthérapie volumétrique. La radiosensibilité régionale devrait être prise en compte dans les contraintes habituelles de dose dans le poumon. [ABSTRACT FROM AUTHOR]

Pour l'adénome prostatique à haut risque, la prostatectomie radicale est l'une des principales options thérapeutiques. La radiothérapie adjuvante améliore le contrôle biochimique mais est associée à une toxicité accrue. La radiothérapie de rattrapage est généralement préférée à la radiothérapie adjuvante faute de modèles pronostiques suffisants. Nous avions développé un modèle prédictif de la récidive biochimique et de la survie sans récidive biochimique après chirurgie basé sur un paramètre de texture issue de l'imagerie par résonance magnétique (IRM). Notre objectif était d'évaluer la valeur pronostique de ce modèle dans une cohorte externe indépendante. Un total de 195 patients ayant un risque de récidive élevé de cancer de la prostate (pT3-4 et/ou R1 et/ou score de Gleason supérieur à 7) ont été inclus rétrospectivement dans deux établissements (Brest et Quimper). Les patients dont la concentration sérique postopératoire d'antigène spécifique de la prostate était supérieure à 0,04 ng/mL ou avec une extension ganglionnaire ont été exclus. Les paramètres radiomiques ont été extraits à partir de tumeurs délinées sur les séquences T2 et ADC. Le modèle original a été reconstruit sur la population brestoise et testé sur la population quimpéroise. La corrélation avec la récidive biochimique a été évaluée en utilisant l'aire sous la courbe ROC (AUC) et la prédiction de la survie sans récidive biochimique en utilisant les courbes de Kaplan–Meier. Après un suivi médian de 46,3 mois (extrêmes : 24-120 mois), 52 patients sur 195 ont été atteints d'une récidive biochimique. Dans la cohorte de Brest (n = 107), un modèle de prédiction clinique basé sur le score CAPRA-S et la concentration sérique préopératoire d'antigène spécifique de la prostate était corrélée avec la récidive biochimique (AUC : 0,69). Le modèle radiomique original basé sur un paramètre de l'ADC a dépassé les autres avec une AUC de 0,76 et une prédiction de la survie sans récidive biochimique (p < 0,0001). Dans la cohorte externe de Quimper (n = 88), ce paramètre de texture est resté prédictif de la récidive biochimique (AUC de 0,76) et de la survie sans récidive biochimique (p < 0,0001), à l'inverse du modèle clinique (AUC 0,53). Le modèle radiomique conservait sa précision prédictive pour la récidive biochimique et la survie sans récidive biochimique après prostatectomoie radicale. [ABSTRACT FROM AUTHOR]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1583: Non-invasive radiomic imaging prediction of tumour hypoxia: biomarker for FLASH irradiation? S. Sanduleanu, T. Tamanupadhaya@gmail.com, R. Klaassen, H. Woodruff, M. Hatt, J. Kaanders, O. Vrieze, H. Laarhoven, R. Subramiam, S.H. Huang, S. Bratman, L. Dubois, R. Miclea, D. Di Perri, X. Geets, M. Crispin-Ortuzar, A. Aptea, J. Hun Oh, N. Lee, J. Humm, H. Schoder, D. Ruysscher, F. Hoebers, P. Lambin. [Extracted from the article]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1562: Radiomics applied to dose distributions to predict toxicity after radiotherapy in cervical cancer F. Lucia, V. Bourbonne, G. Dissaux, O. Miranda, G. Dissaux, U. Schick, D. Visvikis, J. Bert, M. Hatt, R. Abgral. [Extracted from the article]

Poster: Physics track: Radiobiological and predictive modelling, and radiomics PO-1535: Machine Learning and Oversampling techniques to predict urinary toxicity after prostate cancer RT E. Mylona, F. Filias, M. Ibrahim, S. Supiot, N. Magne, G. Crehange, M. Hatt, O. Acosta, R. De Crevoisier. [Extracted from the article]