Introduction

Présentement, les médecins ne peuvent pas se fier aux imageries pour déterminer avec précision l’histologie d’une masse rénale. La radiomique – l’extraction de données quantitatives provenant d’une imagerie – pourrait aider à résoudre ce problème. L’objectif principal de cette étude était de construire un modèle prédictif utilisant la radiomique sur CT scan et/ou des données cliniques pour distinguer le carcinome rénal à cellules claires (ccRCC) du carcinome rénal à cellules non claires (nccRCC).

Méthodes

Cette étude rétrospective unicentrique a utilisé le système d'information canadien sur le cancer du rein pour identifier les patients opérés pour un carcinome rénal localisé entre 2011 et 2021. Les données cliniques ont été extraites et, pour chaque patient, la masse rénale a été segmentée manuellement sur le scan sans contraste (CT) et avec contraste (CECT). Ensuite, 173 caractéristiques radiomiques ont été extraites. 80% de l'ensemble de données a été utilisé pour créer et tester 5 modèles prédictifs indépendants avec un algorithme XGboost. Une fois le meilleur modèle choisi, le 20% de données restantes a été utilisé pour tester la performance du modèle final.

Résultats 

326 patients ont été inclus : 76 % avec un ccRCC et 24 % avec un nccRCC. La taille moyenne des tumeurs était de 5,1 ± 3,2 cm. Pour le stade T clinique: 66 % étaient T1, 7 % T2, et 27% T3 ou T4. Après l’analyse des 5 modèles, celui utilisant la radiomique sur CECT a démontré les meilleurs résultats, avec une AUC de 0,83 [IC95% : 0,76, 0,88] et une sensibilité et spécificité de 91% [IC95% : 81,97] et 48% [IC95% : 30, 80] respectivement. Le modèle final avait une AUC de 0,90, avec une sensibilité de 86 % et une spécificité de 80 %.

Conclusions 

En conclusion, notre modèle prédictif basé sur la radiomique a démontré une bonne performance pour la distinction des ccRCC et nccRCC sur CECT. Cela soutient l’utilisation de la radiomique pour aider à guider la gestion du cancer du rein.