Intégration de données multimodales pour un sous-typage précis et une prognostication dans l’adénocarcinome pulmonaire mucineux

Résumé Contexte L’adénocarcinome pulmonaire mucineux (APM) représente un sous-type rare d’adénocarcinome pulmonaire, caractérisé par un manque de classification pathologique globale et de facteurs pronostiques. Dans cette étude, nous introduisons un cadre d’apprentissage automatique multimodal visant à améliorer la précision du sous-typage de l’APM et à prédire le pronostic des patients atteints d’APM. Matériaux et méthodes Cette étude rétrospective a inclus 175 cas d’APM primaires réséqués chirurgicalement et des données démographiques, histopathologiques, d’imagerie CT et génomiques des patients ont été collectées. Un modèle de régression logistique régularisé LASSO a été utilisé pour la classification histologique, et un modèle de risques proportionnels de Cox a été employé pour la prédiction de survie, avec validation interne. Résultats L’adénocarcinome mucineux pur présentait une prévalence plus élevée de petites tailles tumorales, de localisation dans le lobe inférieur, d’absence de métastases ganglionnaires, de STAS, d’un stade pathologique précoce, de CEA ≤ 5ng/mL, et de mutation EGFRE19 (P EGFRE19 mutation comme facteurs pronostiques indépendants dans l’APM (P = 0,043, 0,014, 0,044, respectivement). De plus, la courbe de Kaplan-Meier a révélé des résultats significativement différents entre les groupes à faible et à haut risque stratifiés selon le score du nomogramme (P < 0,0001). Conclusions L’adénocarcinome mucineux pulmonaire pur présente une malignité inférieure par rapport aux types mixtes et de sécrétion de mucine. Le modèle de nomogramme développé et validé dans cette étude a montré une efficacité exceptionnelle dans la prédiction du sous-type histologique et de la survie de l’APM, offrant une guidance précieuse aux cliniciens dans le diagnostic et la prise de décision thérapeutique.