Objectif de l’étude La chimioradiothérapie préopératoire est le traitement standard du cancer du rectum localement évolué. Jusqu’à 30 % des patients sont en situation de réponse complète à l’issue de cette étape. Dans ce groupe de patients, certaines équipes proposent de ne pas réaliser d’exérèse complète du mésorectum afin de diminuer les séquelles liées à la chirurgie. Une méthode permettant de prédire avec fiabilité la réponse complète avant la chirurgie, et donc la possibilité de ne pas opérer le patient, représenterait une avancée significative.

Les données de 95 patients ont été extraites de notre base de données cliniques. Les scanographies dosimétriques de ces patients ont été analysées afin d’extraire 1695 variables radiomiques. La qualité des variables a été évaluée en calculant l’inter class correlation (ICC) sur deux contours du volume tumoral macroscopique, puis filtrées en ne retenant que celles corrélées avec la réponse complète. Un clustering non supervisé a été réalisé sur ces données puis un réseau neuronal profond (deep neuronal network, DNN) de trois couches avec 10, 20 et 10 neurones chacune, a été créé (TensorFlow v1.3, Google) afin de prédire la réponse complète.

Quatre-vingt-quinze patients ont été inclus dans l’étude. Vingt-deux patients étaient en situation de réponse complète après la chimioradiothérapie. Parmi les données cliniques extraites de la base de données, une seule était significativement corrélée avec la réponse complète : le stade tumoral T. Parmi les caractéristiques radiomiques extraites, 124 étaient bien reproductibles (ICC>0,8) et 28 étaient corrélées avec la réponse. Le réseau neuronal profond, entraîné sur ces caractéristiques, permet de prédire avec une précision de 80 % les patients qui seront en situation de réponse complète après la chimioradiothérapie (area under curve : 0,7083).

Nous avons montré qu’il est possible d’utiliser l’intelligence artificielle par deep learning pour prévoir avec une précision de 80 % la réponse complète après la chimioradiothérapie préopératoire du cancer du rectum localement évolué. Ces méthodes seront centrales pour promouvoir la personnalisation des traitements.