Le traitement des adénocarcinomes pulmonaires est conditionné par la présence de certaines anomalies génétiques. Certains paramètres quantitatifs en TEP-TDM au 18FDG permettant, à l’échelle des voxels, de caractériser la forme et la texture, pourraient prédire le statut mutationnel. Notre objectif était de déterminer l’impact de la méthode de segmentation dans la caractérisation des adénocarcinomes pulmonaires en TEP-TDM au 18FDG.

Quarante-neuf patients présentant un adénocarcinome pulmonaire ont été rétrospectivement inclus. Ils avaient bénéficié d’une TEP-TDM initiale au 18FDG. Les tumeurs étudiées étaient volumineuses, hétérogènes et difficilement segmentables de façon automatique. L’algorithme automatique FLAB a été utilisé avec et sans ajustement manuel. Les paramètres ont été extraits et confrontés au statut ALK, PD-L1, et KRAS, dans le but de comparer les performances des deux méthodes de segmentation. Leurs performances ont été déterminées par la méthode des courbes ROC.

Plusieurs paramètres permettaient de prédire le statut génétique (AUC>0,65). Les paramètres les plus performants étaient différents selon les gènes étudiés et selon les méthodes de rééchantillonnage utilisées. Les résultats étaient moins dépendants du rééchantillonnage en segmentation automatique non ajustée manuellement. Les paramètres les plus performants étaientdes paramètres dépendants du volume pour la segmentation avec ajustement manuel et des paramètres de texture pour la segmentation automatique non ajustée.

L’étude des paramètres de texture est plus performante en segmentation automatique non ajustée manuellement et il est intéressant d’effectuer une reprise manuelle lorsque l’on étudie les paramètres dépendants du volume dans le cas de tumeurs très hétérogènes.

The treatment of lung adenocarcinomas is conditioned by the presence of certain genetic abnormalities. Certain quantitative parameters obtained from FDG PET-CT, at the voxel scale, provide tumour shape and texture characteristics and might predict their mutational status. Our objective was to determine the impact of the segmentation method in the characterization of lung adenocarcinomas in FDG PET-CT.

Forty-nine patients with pulmonary adenocarcinomas were retrospectively included, with their initial FDG PET-CT image. The studied tumours were big, heterogeneous and difficult to segment automatically. The automatic FLAB algorithm was used with and without manual adjustment. The parameters were extracted and compared to the ALK, PDL1, and KRAS status, in order to compare the performances of the two segmentation methods. Their performance was determined by the ROC curve method.

Several parameters were significant to predict genetic status (AUC>0.65). The best performing parameters were different according to the genes studied and according to the resampling methods used. The results were less dependent on resampling in automatic segmentation without manual adjustment. The best performing parameters were volume dependent parameters for segmentation with manual adjustment, and texture parameters for automatic segmentation without adjustment.

The study of texture parameters is more efficient in automatic segmentation that is not manually adjusted, and it is advantageous to use a manual adjustment when studying volume-dependent parameters in the case of very heterogeneous tumors.