Le but de cette étude était d’évaluer les performances d’une approche combinant l’analyse de la texture osseuse trabéculaire (TBT) par rayons X et des informations cliniques et radiologiques pour prédire le risque d’arthroplastie totale du genou chez les patients atteints ou à risque de développer une arthrose du genou (KOA).

Les données ont été obtenues à partir d’une enquête de suivi de 108 mois menée par l’OsteoArthritis Initiative. Les cas ont été définis comme des patients ayant subi une arthroplastie totale du genou (PTG) sur au moins un genou après 12 mois à partir du début d’étude et les témoins ont été définis comme des patients qui n’avaient jamais subi de PTG avant le contrôle de suivi à 108 mois.

Deux scénarios de sélection de l’ensemble des données ont été envisagés chez les patients atteints de KOA au départ en fonction de la gravité de KOA : le scénario I incluait les patients avec Kellgren–Lawrence (KL)≤4, tandis que le scénario II incluait les patients avec KL<4. Pour chaque radiographie sélectionnée, 16 régions d’intérêt TBT ont été définies, couvrant l’ensemble de la structure osseuse sous-chondrale tibiale, puis caractérisées à l’aide d’une analyse fractale.

Le modèle de prédiction du risque de PTG proposé, basé sur la combinaison de paramètres TBT et de grades KL (modèle TBT-KL), a été réalisé à l’aide d’une régression logistique. Les courbes receiver operating characteristic (ROC) ont été utilisées comme critère global pour évaluer la capacité prédictive de ces modèles. Pour éviter le surapprentissage, chaque modèle a été évalué à l’aide d’une validation croisée 10 fois, répétée 300 fois. La validation croisée 10 fois impliquait de partitionner au hasard l’ensemble de données donné en 10 sous-ensembles de données de taille égale.

La précision de la classification des modèles (ACC), c’est-à-dire la probabilité qu’un échantillon aléatoire soit correctement classé, a également été calculée pour étudier la pertinence des différents modèles.

La « précision », le « rappel », ainsi que la précision équilibrée (BA), qui sont des métriques généralement utilisées pour évaluer les performances d’un classificateur binaire, ont également été mesurées.

Au total, 4382 genoux (375 cas, scénario I) et 4296 genoux (291 cas, scénario II) ont été jugés éligibles pour cette étude.

Dans les deux scénarios, nous avons trouvé une aire sous la courbe (AUC) significativement plus élevée (p<0,001) avec le modèle TBT-KL par rapport à un modèle de référence basé uniquement sur KL : 0,92 contre 0,86 (scénario I) et 0,89 contre 0,81 (scénario II).

Les limites de cette étude incluent la non-inclusion de plusieurs critères de jugement rapportés par les patients tels que la douleur, la raideur, la qualité de vie et l’invalidité dans le modèle proposé. Les points forts de cette étude incluent la faisabilité d’intégrer le modèle proposé dans une routine clinique standard car les outils de traitement d’images utilisés sont simples et entièrement automatiques, et basés sur la radiographie qui est largement disponible et relativement peu coûteuse.

Notre modèle TBT-KL a amélioré la capacité de prédiction du risque de PTG à long terme, par rapport aux modèles cliniques et radiologiques standard chez les patients atteints de KOA.