Prédiction de la progression chez des patients atteints de myélome multiple avec des Random Survival Forest - 08/03/19
Résumé |
Introduction |
Le myélome multiple (MM) est un cancer de la moelle osseuse caractérisé par une survie à 5 ans de 54 %. Très peu d’études s’intéressent à la prédiction de la survie des patients atteints de MM et encore moins à partir de biomarqueurs par imagerie. Les méthodes de Cox et de Kaplan–Meier sont les plus utilisées dans le contexte de la survie. Cependant, les Random Survival Forest (RSF), une méthode d’ensemble d’arbres, peut fournir un procédé plus robuste pour l’analyse de la survie et n’est pour le moment pas étudié dans le cadre du MM et de l’imagerie TEP. Nous proposons une méthode pour la prédiction de la progression dans le contexte du MM en utilisant des RSF avec la méthode de sélection par « variable importance » (VIMP) (Ishwaran et al., Annals of Applied Statistics, 2008).
Méthodes |
Cette étude est basée sur un essai clinique français multicentrique et prospectif, IMAJEM, visant l’évaluation du bénéfice potentiel de l’imagerie TEP/TDM dans le diagnostic du MM (Moreau et al. JCO, 2017). Cette étude inclut 134 patients et s’intéresse au temps relatif à la survie sans progression. Des caractéristiques cliniques et d’imagerie ont été considérées. La méthode proposée est la suivante : Tout d’abord, les meilleurs paramètres des forêts sont sélectionnés par « 10-fold cross validation. » Deuxièmement, 100 forêts sont entraînées afin d’obtenir une valeur d’importance moyenne pour chaque caractéristique. Ensuite, une nouvelle base de données est créée avec les meilleures caractéristiques trouvées. Enfin, cette base de donnée est utilisée pour construire des forêts dans le but d’évaluer le modèle par « 10-fold cross validation. » et de séparer en deux groupes (bon et mauvais pronostic).
Résultats et Conclusion |
Notre méthode permet d’obtenir de meilleurs résultats que lorsque l’on considère RSF sans sélection préalable (0,32 d’erreur contre 0,41) avec une bonne séparation entre les groupes de bon et mauvais pronostic (p=0,07). De plus, cette technique fournit de meilleurs résultats que les méthodes du Gradient-boost Cox et Lasso Cox (0,52 et 0,42 d’erreur). Enfin, les caractéristiques trouvées comme les plus prédictives sont le sexe, le score de Deauville, des lésions focales et de l’envahissement ostéo-médullaire, la présence de maladie extra-médullaire, le nombre de lésions focales selon la TEP, le SUVmax ostéo-médullaire et le bras de traitement. Par la suite, plus de patients ainsi que des caractéristiques texturales et volumiques vont être inclus.
Le texte complet de cet article est disponible en PDF.Mots clés : Bilan initial, Oncologie, Valeur pronostique, Méthodologie/Instrumentation, 18F-FDG
Plan
Vol 43 - N° 2
P. 193 - mars 2019 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?