L’IA peut-elle surseoir à la réalisation d’une scintigraphie osseuse dans le bilan initial d’un cancer de la prostate ?

Abstract

Introduction

Le bilan d’extension du cancer de la prostate est crucial dans l’estimation du pronostic et dans la planification thérapeutique à un stade précoce de la prise en charge. À l’heure actuelle, en Tunisie, la scintigraphie osseuse est couramment utilisée en routine clinique pour diagnostiquer les métastases osseuses en attendant l’utilisation en TEP-TDM de radiotraceurs, non encore disponibles, ciblant l’activité de division cellulaire ou les protéines membranaires spécifiques de ce cancer. L’objectif de notre travail est d’élaborer et comparer plusieurs algorithmes d’apprentissage automatique (machine learning [ML]) en tant qu’interfaces intelligibles capables de prédire l’existence de métastases osseuses dans le cancer de la prostate.

Matériel et méthodes

Nous avons réalisé une étude rétrospective en consultant les dossiers de patients pris en charge pour cancer prostatique dans notre CHU et ayant eu une scintigraphie osseuse dans le cadre du bilan d’extension. Notre étude a inclus 86 patients divisés équitablement en 2 groupes selon le statut métastatique osseux ou non. Les performances de huit modèles de ML ont été évaluées : Random Forest, Gradient Boosted Tree, Logistic Regression, Light GBM, XGBoost, Decision Tree, KNN et SVM. Notre base de données est composée de 86 lignes et 16 colonnes. La classe à prédire est la classe Métastase.

Résultats

Les précisions des modèles utilisés pour la prédiction des métastases osseuses étaient de 100 %, 87 %, 66 %, 100 %, 72 %, 70 %, 100 % et 87 % en utilisant les algorithmes Random Forest, Logistic Regression, Decision Tree, SVM, Gradient Boosted Trees, KNN, LightGBM, et XGBoost, respectivement. Le modèle le plus performant est le modèle Random Forest ; il a en effet le meilleur score F1 qui correspond à la moyenne harmonique de la précision et du rappel. L’atteinte extracapsulaire à l’histologie, les douleurs osseuses et le taux de PSA étaient les variables les plus discriminatives dans la prédiction des métastases osseuses.

Conclusion

Dans notre travail, nous avons développé un modèle de ML efficace pour prédire avec une précision satisfaisante les métastases osseuses dans le cancer de la prostate. L’intelligence artificielle permettrait ainsi de déterminer les patients chez qui l’indication d’une scintigraphie osseuse peut être remise en question. D’autres études multicentriques incluant un nombre plus important de patients sont indispensables pour appuyer nos résultats.