Cancer gastrique précoce : la signature du collagène aide à prédire le statut des GL

  • Chen D & al.
  • JAMA Surg
  • 30 janv. 2019

  • Par Jim Kling
  • Univadis Clinical Summaries
L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte. L'accès à l'intégralité du contenu de ce site est reservé uniquement aux professionnels de santé disposant d'un compte.

À retenir

  • Le collagène dans le micro-environnement tumoral prédit la probabilité que les patients atteints d’un cancer gastrique précoce présentent à l’avenir des métastases des ganglions lymphatiques (MGL).
  • Les caractéristiques du collagène ont été extraites à partir d’images multiphoton, à l’aide du logiciel MATLAB 2015b (MathWorks), en incluant 12 caractéristiques morphologiques et 134 caractéristiques de texture.

Pourquoi est-ce important ?

  • L’échographie endoscopique et la tomodensitométrie (TDM) ne sont que d’une utilité limitée pour déterminer les MGL, lesquelles sont un facteur clé dans le cadre de la détermination de la stratégie chirurgicale.
  • L’agencement et l’orientation du collagène dans la matrice extracellulaire sont connus pour être associés à la métastase dans d’autres cancers.

Protocole de l’étude

  • L’analyse rétrospective d’une cohorte principale de patients (n = 232), issus de 2 centres médicaux en Chine, qui ont fait l’objet d’une gastrectomie radicale et été diagnostiqués d’un cancer gastrique T1, a été menée. Le modèle établi a été testé par rapport à une seconde cohorte (n = 143), dans un hôpital distinct.
  • Financement : Grand nombre de sources extérieures au secteur en Chine.

Principaux résultats

  • La signature du collagène a été associée aux MGL (RC : 5,470 ; P 
  • Aire sous la courbe (ASC) de la fonction d’efficacité du récepteur (Receiver Operating Characteristic, ROC) pour la métastase dans la cohorte principale : 0,955 (IC à 95 % : 0,919–0,991). ASC ROC dans la cohorte de validation : 0,938 (IC à 95 % : 0,897–0,981).
  • À l’index de Youden maximal de 0,301, le modèle a obtenu de bonnes performances en termes de sensibilité (90,0 %), de spécificité (90,3 %), d’exactitude (90,2 %), de valeur prédictive positive (71,1 %) et de valeur prédictive négative (97,1 %), dans la cohorte de validation.

Limites

  • Analyse rétrospective.