Nouvelle méthode basée sur l’analyse en composantes indépendantes hautement prédictive de toxicité en cas de radiothérapie prostatique

详细信息    查看全文

• 作者：A. Fargeas¹ ; ^{aureline.fargeas@gmail.com" class="auth_mail" title="E-mail the corresponding author} ; O. Acosta¹ ; J. Arrango-Ospina¹ ; A. Ferhat¹ ; G. Dré ; an¹ ; N. Costet¹ ; ² ; L. Albera¹ ; D. Azria³ ; P. Fenoglietto³ ; G. Cré ; hange⁴ ; M. Hatt⁵ ; A. Kachenoura¹ ; R. de-Crevoisier¹ ; ⁶
• 刊名：Cancer Radiotherapie
• 出版年：2016
• 出版时间：October 2016
• 年：2016
• 卷：20
• 期：6-7
• 页码：737
• 全文大小：52 K

文摘

Les objectifs étaient : de proposer un nouveau modèle prédictif de rectorragies après radiothérapie pour cancer de la prostate basé sur l’analyse en composantes indépendantes (ICA), utilisant à la fois l’information dosimétrique et non-dosimétrique (les caractéristiques spécifiques aux patients, à la tumeur et au traitement). De comparer ce nouveau modèle avec les modèles prédictifs de la littérature utilisant ces mêmes informations : le Normal Tissue Complication Probability (NTCP) « historique » de Lyman-Kutcher-Burman et les méthodes récentes d’apprentissage automatique (méthodes de machine learning) telles que les forêts d’arbres décisionnels (random forest), basées sur l’analyse en composantes principales (ACP) et l’ACP fonctionnelle (FPCA).

Matériel et méthode

Les dossiers de 543 patients pris en charge par RCMI guidée par l’image pour un cancer de la prostate, avec un suivi minimum de 4 ans, ont été prospectivement analysés. Le risque de rectorragies de d rade ≥ 2 à 4 ans était de 9,8 %. L’ICA a été utilisée pour estimer un nouveau paramètre (pICA) issu des histogrammes dose-volume (HDV), secondairement intégré dans une régression linéaire (RL-pICA). Les capacités de prédiction de rectorragies à 4 ans du modèle RL-pICA et des modèles prédictifs de la littérature ont été comparées en calculant l’aire sous la courbe de la fonction d’efficacité du récepteur (AUC) pour chaque modèle, en divisant la cohorte en deux (apprentissage et validation), 100 fois. Une régression linéaire multifactorielle a également été réalisée pour identifier les paramètres les plus prédictifs.

Résultats

L’AUC moyenne pour le modèle RL-pICA était de 0,76, significativement plus élevée que les AUC des modèles prédictifs de la littérature, ayant des AUC moyens variant de 0,62 à 0,64. Parmi toutes les variables considérées, les seules variables significatives retenues en analyse multifactorielle étaient la radiothérapie guidée par l’image (RR = 0,34) et pICA (RR = 0,01).

Conclusion

En comparaison des modèles prédictifs existants dans la littérature, la méthode ICA apparaît la plus prédictive.