Intérêt de la réduction de dimension pour évaluation de la fibrose hépatique en échographie : approche radiomique basée sur les contours du foie / Yann Teyssier ; sous la direction d'Ivan Bricault et d'Arnaud Attye

Résumé / Abstract : L'évaluation de la fibrose hépatique est un enjeu pour la prise en charge des hépatopathies chroniques. Le but était d'étudier la performance d'un modèle de réduction de dimension pour caractériser la fibrose hépatique significative, à partir de radiomiques extraits des contours du foie en échographie. Dans cette étude rétrospective, 114 patients avec une biopsie hépatique pour hépatopathie ou une cirrhose cliniquement avérée, ont eu une échographie étudiant la surface du foie. Après segmentation du contour et extraction des radiomiques, les images ont été analysées par algorithme de réduction de dimension UMAP (Uniform Manifold Approximation and Projection) pour différencier fibrose non significative (groupe GO=F0-1) et significative (G1=F2-4) avec des cartes de densité de probabilité. Les résultats ont été comparés à l'analyse subjective d'un radiologue expert, à l'élastométrie Fibroscan® et à un logiciel d'analyse automatisée des contours, en estimant l’aire sous la courbe ROC (AUROC). Résultats : 109 patients (G0: n0=56 ; G1 : n1=53) ont été analysés avec UMAP. La précision de classification en apprentissage non supervisé avec réduction en 3 dimensions était de 67% (G0: 69%; G1: 64%). l'AUROC était de 0,76. supérieure à l'interprétation de l'expert (0,67, p=0,02), non différente du Fibroscan® (0,8, p=0,483) et du logiciel (0,8, p=0,17). La classification par réduction de dimension a des performances diagnostiques non différentes de l'état de l'art, proposant une approche basée atlas pouvant être augmentée de données non radiologiques, en vue de créer un outil prédictif de l'évolution de la fibrose hépatique.

Résumé / Abstract : Purpose: Hepatic fibrosis assessment is a challenge for chronic liver disease medical care. The goal of this study was to investigate the performance of a dimensionality reduction model to assess significant hepatic fibrosis, based on radiomics extracted from ultrasonographic (US) images of liver surface. Methods: ln this retrospective study, 114 patients with a liver biopsy for liver disease or disorder, or a clinically diagnosed cirrhosis, had an US examination of the liver surface. After liver edge segmentation and radiomics extraction, images were analyzed using dimensionality reduction algorithm UMAP (Uniform Manifold Approximation and Projection) to distinguish non-significant (group G0 = F0-1) from significant fibrosis (G1 = F2-4), with probability density maps. Using area under receiver operating characteristic curve (AUROC) estimation, results were compared to the expert radiologist subjective reading, to transient elastography (Fibroscan®) and to a home software for automated surface irregularities assessment. Results: 109 patients (G0: n0=56; G1: n1=53) were analyzed using UMAP. Using 3 dimensions reduction, global precision of unsupervised learning classification was 67% (G0: 69%; G1: 64%). AUROC was 0.76, better than the expert interpretation (0.67, p=0.02), but not different from Fibroscan® (0.8, p=0.483) or from the software (0.8, p=0.17). Conclusion: Dimensionality reduction classification allows performances that are not different from the state-of-the-art classification techniques. UMAP density maps establish an atlas to which non-radiologic data can be added, in order to develop a predictive tool of hepatic fibrosis evolution.