Prédiction de l’expression de Ki-67 dans le cancer du sein invasif par radiomique bimodale

Pourquoi cette recherche importe pour les patientes

Pour les femmes confrontées à un diagnostic de cancer du sein invasif, une question centrale est la vitesse probable de croissance et de propagation de la tumeur. Les médecins s’appuient souvent sur une protéine appelée Ki-67 pour estimer la vitesse de division des cellules cancéreuses, mais sa mesure nécessite généralement un prélèvement tissulaire par aiguille ou une intervention chirurgicale. Cette étude examine si des informations dissimulées dans les examens d’imagerie de routine — échographie et mammographie — peuvent être combinées et analysées par ordinateur pour prédire les taux de Ki-67 sans recours à un test invasif supplémentaire, aidant potentiellement à adapter le traitement avec moins d’inconfort et de risque.

Voir plus que l’œil ne peut détecter

L’échographie et la mammographie sont des outils standard pour détecter et caractériser les tumeurs mammaires. Les radiologues examinent la forme, les contours et d’autres détails visibles, mais chaque image contient aussi des motifs subtils de luminosité et de texture trop complexes pour que l’œil humain puisse tous les interpréter. La radiomique est une technique qui convertit ces images médicales en centaines de caractéristiques mesurables, transformant chaque tumeur en une empreinte numérique riche. Les auteurs ont émis l’hypothèse que ces empreintes pourraient refléter l’agressivité de la tumeur, notamment si son niveau de Ki-67 est élevé ou faible.

Combiner deux types d’imagerie

L’équipe de recherche a étudié 206 femmes atteintes de cancer du sein invasif traitées dans un même hôpital. Toutes disposaient d’images préopératoires claires en échographie et en mammographie, ainsi que de résultats de laboratoire pour Ki-67. Les tumeurs ont été classées en Ki-67 bas (≤ 20 %) ou Ki-67 élevé (> 20 %), seuil couramment utilisé. Des spécialistes ont tracé le contour de chaque tumeur sur les images, et un logiciel a extrait plus d’un millier de caractéristiques pour chaque modalité. Ces caractéristiques décrivaient la luminosité de base, la forme de la tumeur et des motifs de texture fins, à la fois dans les images originales et après des transformations mathématiques conçues pour mettre en évidence des structures cachées.

Apprendre à l’ordinateur à prédire l’agressivité

Comme toutes les caractéristiques n’ont pas la même utilité, les chercheurs ont utilisé une méthode statistique pour les réduire à un ensemble plus restreint possédant le plus de pouvoir prédictif. Ils ont ensuite entraîné plusieurs types de modèles d’apprentissage automatique pour distinguer les tumeurs à Ki-67 élevé de celles à Ki-67 bas, en construisant trois versions : une basée uniquement sur l’échographie, une sur la mammographie seule et une qui combinait les caractéristiques des deux. Ils ont testé rigoureusement les modèles en utilisant une validation croisée répétée, un procédé qui remélange et divise à plusieurs reprises les données en groupes d’entraînement et de test afin de vérifier la robustesse des résultats sur des cas nouveaux.

Ce que les modèles ont appris des images

Le modèle combiné a clairement dépassé les modèles basés sur une seule modalité d’imagerie. Il a atteint une aire sous la courbe de 0,882, ce qui signifie qu’il a correctement distingué les tumeurs à Ki-67 élevé des tumeurs à Ki-67 bas dans près de neuf cas sur dix, avec un bon équilibre entre sensibilité (détecter les tumeurs agressives) et spécificité (éviter les faux positifs). L’échographie seule et la mammographie seule étaient nettement moins précises. Parmi les caractéristiques les plus importantes figuraient des mesures de texture — l’uniformité ou la variance des niveaux de gris au sein de la tumeur — ainsi que des aspects de la forme tumorale. À l’aide d’un outil d’interprétation appelé SHAP, les auteurs ont montré quelles caractéristiques poussaient le modèle vers une prédiction à haut risque ou à faible risque, rendant ainsi ses décisions plus transparentes.

Impact potentiel sur la prise en charge et prochaines étapes

L’étude suggère qu’en combinant les informations d’échographie et de mammographie, des algorithmes peuvent estimer l’activité de croissance d’une tumeur d’une manière qui correspond étroitement aux tests Ki-67 basés sur biopsie. En pratique, un tel outil pourrait aider les médecins à décider d’intensifier le traitement ou de surveiller plus étroitement, notamment lorsque la biopsie est difficile à obtenir ou lorsque des mesures répétées sont nécessaires au fil du temps. Toutefois, le travail a été réalisé dans un seul centre et de façon rétrospective, il doit donc encore être testé sur des cohortes plus larges et diversifiées et dans des essais prospectifs. S’il est confirmé, cette approche de radiomique bimodale pourrait devenir un complément non invasif précieux à la pathologie traditionnelle pour guider le traitement personnalisé du cancer du sein.

Citation: Xu, R., Lin, Q., Zheng, C. et al. Prediction of Ki-67 expression in invasive breast cancer with dual-modality radiomics. Sci Rep 16, 12129 (2026). https://doi.org/10.1038/s41598-026-42827-y

Mots-clés: cancer du sein, Ki-67, radiomique, échographie, mammographie