médical IA

Récidive précoce du carcinome hépatocellulaire après radiofréquence : un modèle radiomique IRM annonce 0,909 d'AUC, mesurés sur 34 patients et 12 récidives

Publié le 24 août 2026 · 14 min lecture

Sept auteurs du Quatrième Centre médical de l'Hôpital général de l'Armée populaire de libération, à Pékin, ont extrait 11 320 caractéristiques radiomiques de cinq séquences IRM chez 169 patients porteurs d'un carcinome hépatocellulaire traité par ablation par radiofréquence entre 2015 et 2021, puis entraîné trois classifieurs d'apprentissage automatique classiques à prédire la récidive dans l'année. Le meilleur — une forêt aléatoire combinant 16 caractéristiques retenues par LASSO et trois variables cliniques — atteint une AUC de 0,975 à l'entraînement et de 0,909 (IC 95 % 0,807–1,000) sur le jeu de test. Ce jeu de test compte 34 patients dont 12 récidives, il provient du même centre, du même opérateur et des mêmes machines que l'entraînement, et neuf modèles y ont été comparés avant que le gagnant soit rapporté comme le modèle.

Le contexte

L'ablation par radiofréquence est, avec la résection et la transplantation, l'un des trois traitements curatifs du carcinome hépatocellulaire au stade précoce. Une électrode est introduite dans la tumeur sous guidage échographique ou scanographique, chauffée, et détruit le tissu par nécrose thermique. L'intérêt est évident chez des patients cirrhotiques dont la réserve hépatique interdit une chirurgie ; la limite l'est tout autant : le geste laisse le foie en place, avec sa maladie de fond et son potentiel carcinogène, et la récidive intrahépatique est fréquente. Dans la cohorte décrite ici, 61 patients sur 169, soit 36,1 %, récidivent dans l'année.

Distinguer à l'avance ceux qui vont récidiver aurait une utilité pratique : intensifier la surveillance, discuter une résection plutôt qu'une ablation, ou orienter vers un protocole adjuvant. Les outils existants — classification BCLC, score CLIP — sont des systèmes de stadification pronostique conçus pour des populations, pas pour l'individu, et n'intègrent aucune information quantitative sur l'hétérogénéité tumorale.

La radiomique est la réponse méthodologique proposée depuis une dizaine d'années. Le principe : au lieu de décrire une tumeur par les quelques attributs qu'un radiologue nomme (taille, capsule, rehaussement), on calcule automatiquement des milliers de descripteurs statistiques de l'intensité des voxels et de leur agencement spatial — moments d'ordre un, matrices de cooccurrence, longueurs de plage, le tout répété après filtrage en ondelettes ou par laplacien de gaussienne. On obtient un vecteur de plusieurs milliers de dimensions par tumeur, dont on espère qu'il capte une hétérogénéité biologique invisible à l'œil. Le problème structurel de la discipline est immédiat : des milliers de variables pour quelques dizaines d'événements, ce qui rend la sélection de caractéristiques à la fois indispensable et dangereuse.

La méthode

La cohorte. Étude rétrospective monocentrique. Sur 486 patients dépistés entre janvier 2015 et décembre 2021, 317 sont exclus (65,2 %) : traitement anti-tumoral antérieur, chémoembolisation ou chimiothérapie systémique (n = 148), invasion macrovasculaire (n = 61), métastases extrahépatiques (n = 68), autre cancer (n = 19), artefacts IRM (n = 21). Restent 169 patients, tous en stade précoce au sens des critères d'inclusion : tumeur unique de 5 cm au plus, ou plusieurs lésions de 3 cm au plus chacune. Cohorte à 89,9 % masculine, âge médian 58 ans, 73,9 % porteurs du virus de l'hépatite B. Le diagnostic repose sur l'histologie dans 37,9 % des cas et sur l'imagerie selon les recommandations de l'AASLD dans les 62,1 % restants.

Le geste et le critère de jugement. Toutes les ablations sont réalisées par un unique chirurgien interventionnel de plus de vingt ans d'expérience, système Cool-tip de Medtronic, électrode 17 G, douze minutes par lésion. La récidive précoce est définie comme toute récidive dans les douze mois, jugée par un radiologue de plus de trente ans d'expérience sur imagerie ou histologie, et validée en réunion pluridisciplinaire. Le suivi impose une IRM hépatique et un scanner thoracique à un mois, puis tous les trois mois la première année. L'ablation est complète à un mois chez 161 patients sur 169 (95,3 %) ; la marge d'ablation est inférieure à 5 mm chez 43 patients (25,4 %), et ce seul paramètre est associé à la récidive (OR 2,05 ; IC 95 % 1,01–4,16 ; p = 0,044). Les auteurs l'excluent délibérément du modèle : c'est une donnée post-procédurale, indisponible au moment où l'on voudrait prédire.

L'imagerie et les caractéristiques. IRM 3,0 teslas sur deux machines — GE Discovery 750 (98 patients) et Siemens Skyra (71) — avec cinq séquences exploitées : T2, diffusion, et les trois temps artériel, portal et tardif de l'acquisition dynamique injectée. Les volumes tumoraux sont segmentés manuellement, coupe par coupe, sous ITK-SNAP, par deux radiologues, puis relus par un senior de plus de vingt ans d'expérience. La concordance entre les deux opérateurs est mesurée : coefficient de Dice moyen 0,85 ± 0,06 (étendue 0,72–0,94), c'est-à-dire le taux de recouvrement entre leurs deux contours. Après normalisation Z-score, rééchantillonnage isotrope à 1 mm et discrétisation à pas fixe de 25, 2 264 caractéristiques par séquence et par patient sont extraites, soit 11 320 au total, sur une plateforme propriétaire de United Imaging.

La sélection. Quatre filtres en cascade. Premier : reproductibilité entre les deux segmentations, seuil ICC supérieur à 0,75 — 6 965 caractéristiques survivent, soit 61,5 %. Deuxième : seuil de variance, 199 variables non informatives éliminées. Troisième : test F univarié, 1 398 caractéristiques retenues. Quatrième : régression LASSO, une régression pénalisée qui force à zéro les coefficients des variables les moins utiles, avec choix du paramètre de pénalité par validation croisée à dix blocs — 16 caractéristiques finales. Leur stabilité est vérifiée par 1 000 rééchantillonnages bootstrap : 14 des 16 réapparaissent dans plus de 80 % des tirages. Leur provenance est détaillée (une du T2, une de la diffusion, sept du temps artériel, trois du portal, quatre du tardif) mais leurs noms exacts renvoient à un tableau supplémentaire, hors du texte de l'article.

Les modèles et la partition. Trois algorithmes classiques — machine à vecteurs de support, régression logistique, forêt aléatoire — appliqués à trois jeux d'entrées : radiomique seule (16 variables), clinique seule (3 variables : alpha-fœtoprotéine supérieure à 20 µg/L, plaquettes supérieures ou égales à 140 × 10⁹/L, localisation tumorale dite « particulière », c'est-à-dire au contact du diaphragme, de la vésicule, du tube digestif, des voies biliaires, du hile ou de la capsule), et combinée (19 variables). Aucun apprentissage profond n'est utilisé, malgré l'étiquette « modèle IA » du titre. Partition aléatoire stratifiée 80/20 : 135 patients à l'entraînement (49 récidives), 34 au test (12 récidives). Point à leur crédit, énoncé explicitement : normalisation, calcul des ICC, sélection de caractéristiques et optimisation des hyperparamètres sont tous effectués à l'intérieur du seul jeu d'entraînement, puis le pipeline figé est appliqué tel quel au test. Comparaisons d'AUC par test de DeLong avec correction de Bonferroni sur six comparaisons préspécifiées, seuil p < 0,0083.

Les résultats

Les trois variables cliniques. En analyse multivariée sur le jeu d'entraînement, trois prédicteurs sortent : alpha-fœtoprotéine supérieure à 20 µg/L (OR 1,24 ; IC 95 % 1,01–2,56 ; p = 0,004), plaquettes supérieures ou égales à 140 × 10⁹/L, protectrices (OR 0,41 ; 0,17–0,98 ; p = 0,045), et surtout localisation tumorale particulière (OR 6,41 ; 2,03–20,24 ; p = 0,002). Ce dernier est de loin le plus fort, et il est mécaniquement plausible : une tumeur au contact du diaphragme ou du hile est celle où l'on obtient le plus difficilement une marge d'ablation suffisante.

Les modèles. Radiomique seule : AUC 0,945 à 0,957 à l'entraînement, 0,826 à 0,830 au test selon le classifieur, sans différence significative entre les trois. Clinique seule : 0,744 à 0,790 à l'entraînement — et ici une incohérence non réconciliée dans le papier, le résumé et le corps du texte annonçant des AUC de test de 0,688, 0,706 et 0,724 quand le tableau 5 affiche 0,600, 0,661 et 0,665. Combinée : la forêt aléatoire monte à 0,975 (0,952–0,997) à l'entraînement et 0,909 (0,807–1,000) au test, avec un score de Brier de 0,143, un test de Hosmer-Lemeshow non significatif (p = 0,367) et un bénéfice net en analyse de courbe de décision entre 15 et 70 % de probabilité seuil.

La traduction clinique. Au seuil de Youden optimal (0,42), la forêt aléatoire combinée donne sur le test une sensibilité de 83,3 %, une spécificité de 90,9 %, une valeur prédictive positive de 83,3 %, une valeur prédictive négative de 90,9 % et une exactitude de 88,2 %. Ces pourcentages sont d'un confort trompeur : ramenés en effectifs, ils signifient que sur 12 récidives le modèle en a désigné 10 et en a manqué 2, et que sur 22 non-récidives il en a classé 20 correctement et 2 à tort. Toute la performance annoncée tient dans quatre erreurs. Si l'on projetait ces taux sur 1 000 patients à prévalence identique, on obtiendrait 292 récidives détectées, 58 manquées et 59 fausses alertes — mais il faut être clair sur le statut de ce calcul : c'est une extrapolation d'un seuil ajusté sur 12 événements, pas une mesure. La borne haute de l'intervalle de confiance de l'AUC atteint 1,000, ce qui est la façon statistique de dire que l'échantillon ne permet pas de trancher.

Ce qui est bien

La discipline anti-fuite est explicite, détaillée, et rare dans cette littérature. La fuite de données (data leakage) est le mode d'échec endémique de la radiomique : lorsque la sélection de caractéristiques est effectuée sur l'ensemble des données avant la partition, le jeu de test a déjà servi à choisir les variables, et l'AUC rapportée est mécaniquement optimiste. Ici les auteurs écrivent noir sur blanc que normalisation, rééchantillonnage, analyse d'ICC, seuil de variance, test F, LASSO et optimisation des hyperparamètres sont confinés au jeu d'entraînement, et que le pipeline est ensuite appliqué inchangé. Ils ajoutent une vérification de stabilité par 1 000 bootstraps, des facteurs d'inflation de variance tous inférieurs à 5, et une correction de Bonferroni annoncée à l'avance sur six comparaisons. Sur ce point précis, le papier fait mieux que la majorité de ce qui se publie en radiomique.

La segmentation est mesurée plutôt qu'affirmée. Deux radiologues segmentent indépendamment, un troisième relit, et la concordance est quantifiée — Dice moyen 0,85, étendue 0,72–0,94 — plutôt que déclarée satisfaisante. Le filtre de reproductibilité qui suit n'est pas cosmétique : 38,5 % des caractéristiques extraites sont écartées parce qu'elles varient trop d'un contour à l'autre. C'est exactement le genre de chiffre qu'un lecteur a besoin de connaître, et que beaucoup d'articles taisent.

Les limites sont énoncées par les auteurs eux-mêmes, y compris celle qui fâche. La section de limites est longue et sincère. On y lit que le test interne « est limité », que les intervalles de confiance larges « reflètent une instabilité d'estimation », et surtout que « l'écart entre l'AUC d'entraînement (0,975) et l'AUC de test (0,909) suggère un certain degré de surapprentissage ». Les auteurs signalent aussi que l'exclusion de 65,2 % des patients dépistés introduit un biais de sélection, que la prévalence de l'hépatite B à 73,9 % limite la transposition aux populations occidentales où l'alcool et le virus C dominent, et que la fenêtre d'inclusion de sept ans expose à une dérive temporelle des pratiques. Rien de tout cela n'est enfoui.

Ce qui est moins bien

Douze événements de test, neuf modèles comparés, et le gagnant rapporté comme le modèle. C'est le problème central. Trois classifieurs multipliés par trois jeux d'entrées font neuf modèles évalués sur le même jeu de 34 patients ; en rapporter le meilleur revient à sélectionner sur le test, ce qui rouvre par la fenêtre l'optimisme que la discipline anti-fuite avait fermé par la porte. Et l'écart n'est réel que pour un seul classifieur : au test, la machine à vecteurs de support passe de 0,826 en radiomique seule à 0,830 en combiné, la régression logistique de 0,830 à 0,830. L'affirmation « intégrer les variables cliniques améliore la prédiction » repose donc entièrement sur la forêt aléatoire, sur 34 patients. S'ajoute un rapport événements-par-variable défavorable : 19 entrées pour 49 récidives à l'entraînement, soit 2,6 événements par variable là où la règle empirique classique en demande dix.

Aucune validation externe, et une partition qui ne teste rien de ce qui compte. Le jeu de test est un tirage aléatoire du même centre : mêmes deux scanners, même chirurgien interventionnel, même radiologue adjudicateur, même population majoritairement masculine et VHB+. Aucun des facteurs qui font échouer les modèles radiomiques en conditions réelles — changement de machine, de protocole d'acquisition, d'opérateur, d'épidémiologie — n'est mis à l'épreuve. Les auteurs signalent avoir vérifié la stabilité par sous-groupe de constructeur et suggèrent une harmonisation ComBat pour l'avenir, mais reconnaissent que la normalisation et le rééchantillonnage « peuvent ne pas suffire à éliminer toutes les différences radiomiques liées au scanner ». C'est le biais de population et le déplacement de distribution dans leur forme la plus classique, et ils restent entiers.

Rien n'est reproductible, et le comparateur revendiqué n'a jamais été calculé. L'extraction est faite sur une plateforme propriétaire, la « United Imaging Intelligent Scientific Research Platform System V1.0 » ; l'un des co-auteurs est affilié au Beijing United Imaging Intelligent Medical Technology Research Institute, c'est-à-dire à l'éditeur de cet outil. Aucun code, aucun poids, aucun jeu de données n'est publié — la déclaration de disponibilité renvoie au « correspondant » — et les noms des 16 caractéristiques finales ne figurent que dans un tableau supplémentaire. Un modèle radiomique dont on ne connaît ni le logiciel d'extraction ni la liste exacte des variables ne peut être ni répliqué ni audité. Enfin, la discussion affirme une « capacité discriminante supérieure » aux scores CLIP et BCLC : aucune AUC n'a été calculée pour CLIP ni pour BCLC, et aucune comparaison à un radiologue n'a été conduite. Deux incohérences numériques mineures — les AUC cliniques du résumé contre celles du tableau 5, et les métriques de la forêt aléatoire au seuil par défaut contre celles au seuil 0,42 — restent également non réconciliées dans le texte.

Ce que ça change

Pour la communauté de recherche. Le protocole de confinement du pipeline décrit ici mérite d'être copié : il est explicite, vérifiable, et il coûte peu. Mais le papier illustre surtout que la rigueur en amont ne compense pas un test de 34 patients. Le vrai goulet de la radiomique hépatique n'est pas la sélection de caractéristiques, c'est la validation externe multicentrique, et personne ne la contourne. À noter aussi, pour la lecture de la littérature : « modèle IA » désigne ici LASSO plus forêt aléatoire, sans apprentissage profond. L'étiquette est devenue si large qu'elle n'informe plus sur la méthode, et il faut aller lire.

Pour les cliniciens. Le modèle ne change rien aujourd'hui — monocentrique, rétrospectif, sans validation externe, non disponible. Le résultat réutilisable est ailleurs, et il est indépendant du modèle : la localisation tumorale particulière multiplie par 6,4 le risque de récidive à un an, et une marge d'ablation inférieure à 5 mm le double. Ces deux observations convergent vers un mécanisme simple et actionnable — la difficulté d'obtenir une marge suffisante au contact du diaphragme, de la vésicule ou du hile — qui relève de l'indication et de la technique, pas d'un algorithme. Un praticien qui ne retiendrait que cela de l'article en aurait tiré l'essentiel.

Pour les patients et le grand public. Deux idées. La première : après une radiofréquence pour un carcinome hépatocellulaire de stade précoce, la récidive dans l'année concerne environ un patient sur trois, parce que le traitement détruit la tumeur mais laisse en place le foie malade qui l'a produite. La seconde, plus générale : prédire n'est pas prévenir. Un modèle qui identifierait correctement les patients à risque ne modifierait leur pronostic que si l'on savait quoi faire de cette information — surveiller plus serré, traiter autrement, ajouter un adjuvant — et que si un essai avait démontré que cette conduite améliore les résultats. Cet essai n'existe pas, et un chiffre d'AUC, aussi élevé soit-il, ne le remplace pas.

Pour aller plus loin