Radiomics-driven personalized radiotherapy for primary and recurrent tumors: A general review with a focus on reirradiation - 31/10/24
Radiothérapie personnalisée par la radiomique pour les tumeurs primaires et récidivantes : une revue générale mettant l’accent sur la réirradiation
Abstract |
Purpose |
This review systematically investigates the role of radiomics in radiotherapy, with a particular emphasis on the use of quantitative imaging biomarkers for predicting clinical outcomes, assessing toxicity, and optimizing treatment planning. While the review encompasses various applications of radiomics in radiotherapy, it particularly highlights its potential for guiding reirradiation of recurrent cancers.
Methods |
A systematic review was conducted based on a Medline search with the search engine PubMed using the keywords “radiomics or radiomic” and “radiotherapy or reirradiation”. Out of 189 abstracts reviewed, 147 original articles were included in the analysis. These studies were categorized by tumor localization, imaging modality, study objectives, and performance metrics, with a particular emphasis on the inclusion of external validation and adherence to a standardized radiomics pipeline.
Results |
The review identified 14 tumor localizations, with the majority of studies focusing on lung (33 studies), head and neck (27 studies), and brain (15 studies) cancers. CT was the most frequently employed imaging modality (77 studies) for radiomics, followed by MRI (46 studies) and PET (13 studies). The overall AUC across all studies, primarily focused on predicting the risk of recurrence (94 studies) or toxicity (41 studies), was 0.80 (SD=0.08). However, only 24 studies (16.3%) included external validation, with a slightly lower AUC compared to those without it. For studies using CT versus MRI or PET, both had a median AUC of 0.79, with IQRs of 0.73–0.86 for CT and 0.76–0.855 for MRI/PET, showing no significant differences in performance. Five studies involving reirradiation reported a median AUC of 0.81 (IQR: 0.73–0.825).
Conclusion |
Radiomics demonstrates considerable potential in personalizing radiotherapy by improving treatment precision through better outcome prediction and treatment planning. However, its clinical adoption is hindered by the lack of external validation and variability in study designs. Future research should focus on implementing rigorous validation methods and standardizing imaging protocols to enhance the reliability and generalizability of radiomics in clinical radiotherapy, with particular attention to its application in reirradiation.
Le texte complet de cet article est disponible en PDF.Résumé |
Objectif de l’étude |
Cette revue examine de manière systématique le rôle de la radiomique en radiothérapie, en mettant particulièrement l’accent sur l’utilisation de biomarqueurs d’imagerie quantitatifs pour prédire les résultats cliniques, évaluer la toxicité et optimiser la planification du traitement. Bien que la revue couvre diverses applications de la radiomique en radiothérapie, elle souligne notamment son potentiel pour guider la réirradiation des cancers récidivants.
Méthodes |
Une revue systématique a été menée sur la base d’une recherche dans Medline avec le moteur de recherche PubMed utilisant les mots-clés « radiomics ou radiomic » et « radiotherapy ou reirradiation ». Parmi les 189 résumés examinés, 147 articles originaux ont été inclus dans l’analyse. Ces études ont été catégorisées en fonction de la localisation tumorale, de la modalité d’imagerie, des objectifs de l’étude et des métriques de performance, avec une attention particulière portée à l’inclusion d’une validation externe et au respect d’un processus standardisé pour la radiomique.
Résultats |
La revue a identifié 14 localisations tumorales, la majorité des études se concentrant sur les cancers du poumon (33 études), de la tête et du cou (27 études) et du cerveau (15 études). La scanographie était la modalité d’imagerie la plus fréquemment utilisée pour la radiomique (77 études), suivi par l’IRM (46 études) et la TEP (13 études). L’aire sous la courbe (AUC) globale pour l’ensemble des études, principalement axées sur la prédiction du risque de récidive (94 études) ou de toxicité (41 études), était de 0,80 (déviation standard [SD]=0,08). Cependant, seulement 24 études (soit 16,3 %) incluaient une validation externe, avec une AUC légèrement inférieure par rapport à celles qui n’en incluaient pas. Pour les études utilisant la scanographie par rapport à l’IRM ou la TEP, les deux présentaient une AUC médiane de 0,79, avec des écarts interquatiles (IQR) de 0,73–0,86 pour la scanographie et de 0,76–0,855 pour l’IRM/TEP, ne montrant pas de différences significatives en termes de performance. Cinq études impliquant la réirradiation ont montré une AUC médiane de 0,81 (IQR : 0,73–0,825).
Conclusion |
La radiomique démontre un potentiel considérable pour personnaliser la radiothérapie en améliorant la précision du traitement grâce à de meilleures prédictions des résultats et planification des traitements. Cependant, leur adoption clinique est freinée par le manque de validation externe et la variabilité des méthodes employées dans les études. Les recherches futures devraient se concentrer sur la mise en œuvre de méthodes de validation rigoureuses et la standardisation des protocoles d’imagerie afin d’améliorer la fiabilité.
Le texte complet de cet article est disponible en PDF.Keywords : Radiomics, Radiotherapy, Reirradiation, Predictive value of tests, Treatment planning, Computer-assisted
Mots clés : Radiomique, Radiothérapie, Réirradiation, Valeur prédictive des tests, Planification du traitement assistée par ordinateur
Plan
Vol 28 - N° 6-7
P. 597-602 - novembre 2024 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 ?