Approche par intelligence artificielle de la prédiction de la récidive biologique après prostatectomie dans une population d’ascendance africaine - 30/10/22

Résumé |
Objectifs |
Les scores prédictifs de récidive biologique après prostatectomie couramment utilisés sont moins performants chez les patients d’ascendance Africaine opérés pour un cancer de prostate localisé. L’intelligence artificielle (IA) prend une place de plus en plus importante dans la santé. L’objectif était d’étudier l’apport de l’IA dans la prédiction de la récidive biologique après prostatectomie dans une cohorte de patients d’ascendance africaine.
Méthodes |
Nous avons réalisé une étude rétrospective entre janvier 2000 et décembre 2017 incluant 1759 patients traité une prostatectomie pour cancer de prostate localisé. Les données oncologiques préopératoires étaient recueillies. La récidive biologique (BCR) était l’évènement à étudier par les modèles d’IA. A l’aide de Python (langage de référence dans l’analyse de données), plusieurs modèles de Machine Learning et Deep Learning ont été créés : Random Forest, Support Vector Machine ou Machine à vecteurs de support (SVM), K-Nearest Neighbours (KNN) et le Réseau de neurones. Pour chaque modèle, des paramètres pour évaluer leur robustesse étaient estimés : Précision, Score F1, Accuracy, AUC de la ROC Curve.
Résultats |
Les variables d’entrée retenues selon leur pertinence clinique étaient l’Age, le poids, la taille, les antécédents de diabète et d’HTA, le pourcentage de biopsies positives, le stade clinique, la densité du PSA, le score ISUP et le PSA total. Les variables ayant le plus de poids dans la classification du model Random Forest étaient le PSA, la densité du PSA et le score ISUP. Ils représentaient t à eux trois 52 % de la valeur décisionnelle (Fig. 1). L’évènement récidive biologique survenait chez 24 % des patients traités. Les AUC étaient de 0,65, 0,64, 0,57, 0,65 respectivement pour les modèles Random, Forest, SVM, KNN, réseaux de neurones. Les scores F1 ne dépassaient pas 1 % (Tableau 1).
Conclusion |
Les résultats de modèles utilisant l’intelligence artificielle pour prédire la récidive biologique du cancer de prostate après prostatectomie montrent des résultats comparables aux principaux score prédictifs utilisés. L’IA reste une piste prometteuse puisque les données IRM, et histopathologiques pourraient améliorer la performance prédictive des différents modèles d’intelligence artificielle.
Le texte complet de cet article est disponible en PDF.Plan
Vol 32 - N° 3S
P. S55-S56 - novembre 2022 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 ?