Analyse des habitats tumoraux par IRM dans le glioblastome : validation pathologique

Contexte

Le glioblastome (GBM) est une tumeur cérébrale hautement maligne, caractérisée par une hétérogénéité et une invasivité importantes. En raison de son microenvironnement tumoral complexe (TME), les méthodes d’imagerie traditionnelles ont du mal à distinguer avec précision les différentes régions de la tumeur, telles que le noyau tumoral, la bordure infiltrante et les zones de nécrose. Cette hétérogénéité spatiale affecte non seulement l’efficacité du traitement, mais entraîne également un pronostic défavorable pour les patients. Par conséquent, la capacité à identifier avec précision les différentes régions de la tumeur par des méthodes d’imagerie non invasives est devenue un sujet de recherche majeur.

Ces dernières années, l’analyse des habitats tumoraux (Tumor Habitat Imaging) basée sur l’IRM multiparamétrique (comme l’imagerie de diffusion pondérée DWI et l’imagerie de perfusion par contraste dynamique DSC) a émergé. Cette méthode, utilisant une analyse de clustering au niveau des voxels, permet d’identifier différentes zones physiologiques au sein de la tumeur, offrant ainsi une compréhension plus approfondie des caractéristiques biologiques de la tumeur. Cependant, la correspondance entre ces habitats d’imagerie et les caractéristiques pathologiques n’a pas encore été suffisamment validée. Pour combler cette lacune, Ji Eun Park et son équipe ont utilisé les données du projet Ivy Glioblastoma Atlas Project (IvyGAP) pour mener une étude visant à valider biologiquement les habitats tumoraux par IRM grâce à des corrélations pathologiques.

Source de l’article

Cette étude a été réalisée par Ji Eun Park, Joo Young Oh et leurs collaborateurs du Département de Radiologie et de l’Institut de Recherche en Radiologie de l’Université d’Ulsan à Séoul, en Corée. Elle a été publiée en avance le 23 août 2024 dans la revue Neuro-Oncology. L’équipe de recherche comprend également des collaborateurs de plusieurs institutions, notamment le Département de Neurochirurgie et de Biochimie et Biologie Moléculaire du Centre Médical Asan à Séoul.

Méthodologie et résultats

1. Source des données et sélection des patients

L’étude a utilisé les données du projet IvyGAP, qui fournit des images IRM, des coupes pathologiques et des données de séquençage RNA de 41 patients atteints de glioblastome de type IDH sauvage. L’équipe a sélectionné les données de 20 patients (22 tumeurs, 168 coupes pathologiques) présentant des images IRM préopératoires complètes (incluant T1, T2, FLAIR, DWI et DSC) ainsi que des données pathologiques.

2. Construction des habitats tumoraux par IRM

L’équipe a d’abord prétraité les images IRM, en effectuant une suppression du crâne, une segmentation des lésions et un recalage des images. Ensuite, en utilisant les cartes de coefficient de diffusion apparent (Apparent Diffusion Coefficient, ADC) générées par DWI et les cartes de volume sanguin cérébral relatif (Relative Cerebral Blood Volume, rCBV) générées par DSC, les régions tumorales ont été divisées en six habitats par un algorithme de clustering k-means : - Lésion rehaussée (Contrast-Enhancing Lesion, CEL) : habitat hypervasculaire (C1), habitat hypovasculaire hypercellulaire (C2), habitat hypovasculaire hypocellulaire (C3). - Lésion non rehaussée (Non-Enhancing Lesion, NEL) : habitat hypervasculaire (C4), habitat hypovasculaire hypercellulaire (C5), habitat hypovasculaire hypocellulaire (C6).

3. Traitement des données pathologiques

Les coupes pathologiques ont été divisées en plusieurs régions, notamment la bordure tumorale (Leading Edge, LE), la tumeur infiltrante (Infiltrating Tumor, IT), la tumeur cellulaire (Cellular Tumor, CT), les zones hypervasculaires (CThypervascular) et les zones périnécrotiques (CTperinecrotic). L’équipe a recalé spatialement ces régions pathologiques avec les images IRM, calculé l’aire normalisée de chaque région pathologique et analysé sa corrélation avec le nombre de voxels des habitats IRM.

4. Intégration des données de séquençage RNA

L’étude a également utilisé les données de séquençage RNA fournies par IvyGAP pour analyser les caractéristiques transcriptionnelles des différentes régions pathologiques. En utilisant les quatre sous-types de glioblastome proposés par Neftel et al. (mésenchymateux, astrocytaire, précurseur oligodendrocytaire et précurseur neuronal), l’équipe a calculé les scores des modules transcriptionnels pour chaque région pathologique et les a corrélés avec les habitats IRM.

5. Résultats principaux

• Corrélation entre la pathologie et les habitats IRM :

  • La tumeur cellulaire (CT) était positivement corrélée avec l’habitat hypovasculaire hypercellulaire (C2) dans la CEL (r = 0,238, p = 0,005).
  • La tumeur infiltrante (IT) était positivement corrélée avec l’habitat hypovasculaire hypercellulaire (C5) dans la NEL (r = 0,294, p = 0,017).
  • Les zones hypervasculaires (CThypervascular) étaient positivement corrélées avec l’habitat hypervasculaire (C4) dans la NEL (r = 0,195, p = 0,023).
  • Les zones périnécrotiques (CTperinecrotic) étaient positivement corrélées avec les zones de nécrose à l’imagerie (r = 0,199, p = 0,005).

• Corrélation entre les données transcriptionnelles RNA et les régions pathologiques :

  • Le sous-type astrocytaire était positivement corrélé avec la tumeur infiltrante (IT) (r = 0,256, p < 0,001).
  • Le sous-type mésenchymateux était positivement corrélé avec les zones périnécrotiques (CTperinecrotic) (r = 0,246, p < 0,001).

Conclusion et signification

Cette étude a validé biologiquement les habitats tumoraux par IRM grâce à des corrélations pathologiques, confirmant la correspondance entre l’habitat hypovasculaire hypercellulaire dans la CEL et la tumeur cellulaire, ainsi qu’entre l’habitat hypovasculaire hypercellulaire dans la NEL et la tumeur infiltrante. De plus, l’étude a révélé les caractéristiques transcriptionnelles des différentes régions tumorales grâce aux données de séquençage RNA, offrant de nouvelles perspectives sur l’hétérogénéité du glioblastome.

La valeur scientifique de cette étude réside dans : 1. Surveillance non invasive des tumeurs : L’analyse des habitats tumoraux par IRM permet d’identifier de manière non invasive les zones agressives et infiltrantes de la tumeur, fournissant des informations cruciales pour le traitement clinique. 2. Orientation thérapeutique : Les résultats peuvent guider l’étendue de la résection chirurgicale, la conception des champs de radiothérapie et la prédiction précoce des récidives. 3. Validation biologique : L’intégration des données pathologiques et transcriptionnelles fournit des preuves solides de la signification biologique des habitats d’imagerie.

Points forts de l’étude

• Méthode innovante : L’étude est la première à combiner l’analyse des habitats tumoraux par IRM avec des données pathologiques et transcriptionnelles, offrant une analyse multidimensionnelle de l’hétérogénéité tumorale.
• Potentiel clinique : Les résultats offrent de nouveaux outils pour le traitement personnalisé du glioblastome, en particulier dans les domaines de la chirurgie et de la radiothérapie.
• Données ouvertes : L’équipe a rendu publics tous les données de recalage et les codes, fournissant une ressource précieuse pour les recherches futures.

Autres informations utiles

L’équipe a également souligné les limites de l’étude, telles que les erreurs potentielles introduites par le recalage manuel des coupes pathologiques avec les images, ainsi que les différences entre les données idéalisées d’IvyGAP et les situations cliniques réelles. Les recherches futures devront valider ces résultats sur des cohortes plus larges et explorer davantage de correspondances entre les régions pathologiques et les habitats d’imagerie.

Cette étude fournit une base scientifique importante pour le diagnostic et le traitement du glioblastome par imagerie, marquant une avancée significative dans la traduction clinique de l’analyse des habitats tumoraux.