Profilage radiomique basé sur les habitats CT pour la variabilité spatio-temporelle dans les CBNPC résécables prédit la réponse pathologique à la chimio-immunothérapie néoadjuvante : une étude multicentrique

Pourquoi cela compte pour les personnes atteintes d’un cancer du poumon

Pour les patients candidats à la chirurgie pour un cancer du poumon non à petites cellules, les cliniciens ajoutent désormais souvent une combinaison de chimiothérapie et d’immunothérapie avant l’intervention pour réduire les tumeurs et améliorer le contrôle à long terme. Pourtant, tous les patients ne tirent pas le même bénéfice, et il n’existe aujourd’hui aucun moyen non invasif simple de prédire à l’avance qui répondra bien. Cette étude examine si des motifs cachés dans les scanners CT de routine peuvent révéler quelles tumeurs sont sensibles à ce traitement combiné et lesquelles ne le sont pas.

Regarder à l’intérieur des tumeurs grâce à des indices visuels

Les chercheurs se sont concentrés sur un concept appelé habitats tumoraux, qui considère la tumeur non pas comme une masse uniforme mais comme un petit paysage composé de régions ayant des apparences différentes sur les coupes CT. Plutôt que de mesurer uniquement la variabilité globale de la tumeur, ils ont aussi cartographié la position de ces régions les unes par rapport aux autres à l’intérieur de la tumeur. En comparant les scans réalisés avant et après le traitement, ils visaient à suivre à la fois la disposition et l’évolution dans le temps de ces régions internes, capturant ainsi une image plus riche du comportement tumoral.

Qui a été étudié et quelles données ont été utilisées

L’équipe a analysé les scanners CT de 394 patients atteints de cancer du poumon non à petites cellules résécable traités dans trois hôpitaux en Chine. Tous les patients ont reçu un protocole standard de chimio-immunothérapie avant la chirurgie, et les tumeurs retirées ont été examinées au microscope pour évaluer la quantité de cancer résiduel. Les patients ont été classés comme grands répondeurs lorsque seule une faible fraction de cellules cancéreuses restait, et comme non-répondeurs lorsque la majorité de la tumeur était encore viable. Pour chaque patient, les chercheurs ont recueilli des données cliniques de base ainsi que des mesures détaillées issues des images CT pré‑traitement et post‑traitement.

Transformer des images complexes en score prédictif

Pour chaque tumeur, des ordinateurs ont extrait de nombreuses caractéristiques numériques décrivant la luminosité, la texture et les motifs spatiaux présents dans l’image. Un ensemble de caractéristiques résumait la tumeur entière comme un objet unique, tandis qu’un autre capturait la façon dont des régions distinctes, ou habitats, étaient organisées et interagissaient entre elles. Un troisième groupe mesurait comment ces signaux changeaient entre le premier et le deuxième scan. Des méthodes d’apprentissage automatique ont ensuite filtré ces mesures pour construire des modèles estimant la probabilité qu’une tumeur manifeste une forte réponse au traitement.

Performance de l’approche d’imagerie

Lors des tests, tant les caractéristiques globales de la tumeur que celles basées sur les habitats ont montré une capacité correcte à séparer les grands répondeurs des non‑répondeurs. Cependant, la meilleure performance a été obtenue par une approche intégrée combinant les informations issues des deux perspectives sur la tumeur. Dans des cohortes indépendantes de patients provenant d’hôpitaux différents, ce modèle combiné a atteint des niveaux de précision suggérant qu’il pourrait être utile en pratique clinique. Des analyses supplémentaires ont montré que le modèle fonctionnait particulièrement bien pour certains sous‑types de cancer du poumon et pour les tumeurs situées plus profondément dans la poitrine, ce qui suggère que certains contextes anatomiques rendent les motifs d’imagerie plus informatifs.

Ce que cela pourrait signifier pour les choix de traitement

Pour un non‑spécialiste, le message principal est que les scanners CT ordinaires peuvent contenir bien plus d’informations qu’il n’y paraît à l’œil nu. En considérant les tumeurs comme des paysages vivants composés de quartiers différents, et en observant comment ces quartiers changent pendant la thérapie, l’étude montre que les cliniciens pourraient estimer à l’avance qui a de fortes chances de bénéficier de la chimio‑immunothérapie avant la chirurgie. Bien que des travaux supplémentaires et de larges études prospectives soient nécessaires, ce cadre d’imagerie basé sur les habitats ouvre la voie à un avenir où le traitement pourra être ajusté plus tôt et de façon plus sûre, épargnant certains patients d’un traitement inefficace tout en offrant aux autres la meilleure chance d’un contrôle à long terme.

Citation: Peng, Q., Xu, Y., Shen, L. et al. Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study. npj Precis. Onc. 10, 190 (2026). https://doi.org/10.1038/s41698-026-01388-z

Mots-clés: cancer du poumon, radiomique CT, chimio-immunothérapie, hétérogénéité tumorale, réponse au traitement