Construction et validation d'un système de diagnostic échographique intelligent pour le spectre du neuroblastome chez l'enfant

Les tumeurs neuroblastiques (TN) représentent les tumeurs solides extracrâniennes les plus fréquentes chez l'enfant, la grande majorité des patients étant diagnostiqués avec un neuroblastome (NB) – le sous-type associé à la plus haute malignité et au pire pronostic. Ces cas présentent des défis importants dans le diagnostic clinique et la prise en charge, conduisant souvent à des résultats globaux défavorables. L'examen histopathologique reste la référence pour le diagnostic définitif et la classification. Cependant, cette méthode est invasive, comporte un risque de complications, et sa précision diagnostique dépend de l'expérience de l'opérateur et du site de biopsie. Bien que l'imagerie médicale permette une évaluation non invasive des tumeurs, elle repose principalement sur l'interprétation visuelle subjective des médecins, ce qui entraîne une précision et une reproductibilité limitées dans la distinction entre les différents sous-types de TN.

La radiomique, une approche d'analyse d'imagerie basée sur l'intelligence artificielle émergente, permet l'extraction, l'analyse et la quantification à haut débit des caractéristiques d'imagerie via des algorithmes automatisés, révélant une vaste quantité d'informations sous-visuelles. Elle a montré un potentiel considérable dans le diagnostic différentiel, l'évaluation du traitement et la prédiction des résultats des tumeurs. La recherche radiomique actuelle sur le neuroblastome en est encore à ses débuts, la plupart des études se concentrant sur des modalités telles que la tomodensitométrie (TDM), l'imagerie par résonance magnétique (IRM) et la tomographie par émission de positons-tomodensitométrie (TEP-TDM), tandis que les investigations radiomiques par échographie restent inexplorées.

L'échographie, en raison de ses avantages uniques – notamment l'absence de rayonnements ionisants, l'imagerie dynamique en temps réel, la commodité opérationnelle et le faible coût – est devenue la modalité d'imagerie préférée pour le dépistage et le suivi des tumeurs pédiatriques. Par conséquent, l'intégration de la radiomique à l'échographie pour développer un système de diagnostic intelligent capable d'évaluer les TN de manière non invasive et précise présente une valeur clinique significative et un potentiel translationnel. Un tel système faciliterait la classification préopératoire précise, la stratification du risque des patients et soutiendrait la prise de décision clinique.

Cette étude vise à construire et valider un système de diagnostic échographique intelligent pour les tumeurs neuroblastiques pédiatriques basé sur les caractéristiques radiomiques échographiques, comme suit :

1. Construire un modèle de prédiction pour les tumeurs neuroblastiques pédiatriques (TN) basé sur des images échographiques, permettant un diagnostic différentiel automatisé du neuroblastome (NB), du ganglioneuroblastome (GNB) et du ganglioneurome (GN).
2. Sur la base de la classification pathologique, intégrer les caractéristiques clinico-pathologiques pour établir un modèle de fusion multimodal. L'accent est mis sur l'identification des patients à haut risque, la prédiction des métastases médullaires et l'estimation des résultats du traitement, fournissant une base de référence pour la prise de décision clinique.
3. Intégrer les résultats de recherche précédents pour construire un système de diagnostic échographique intelligent complet intégrant la classification pathologique, la stratification du risque et l'évaluation du pronostic, permettant une évaluation systématique et intelligente des patients atteints de TN pour aider à la stratification du risque clinique et aux décisions thérapeutiques individualisées.