Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest" Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest"

Résumé : Contexte L'imagerie TEP-FDG corps entier procure des informations pronostiques dans le bilan initial et le suivi thérapeutique des patients atteints de myélome multiple (MM). Etat de l'art Les biomarqueurs par imagerie TEP ont été peu étudiés dans ce contexte et souvent en utilisant des méthodes de Cox et de Kaplan-Meier. Cependant, une approche de type "Random Survival Forest" (RSF), peut fournir un procédé plus robuste pour l'analyse de la survie et n'est pour le moment pas étudié dans le cadre du MM et de l'imagerie TEP. Proposition Nous proposons une méthode pour la prédiction de la progression dans le contexte du MM en utilisant des RSF avec la méthode de sélection par 'Variable importance' (VIMP) [Ishwaran et al., Annals of Applied Statistics, 2008]. Matériel et méthodes 1) Les données • Etude multicentrique et prospective, IMAJEM [Moreau et al. J Clin Oncol 2017] • 99 patients • Prise en compte des caractéristiques cliniques et d'imagerie. 2) La méthode Résultats 2) Caractéristiques prédictives Figure 4 : Diagramme des caractéristiques trouvées comme prédictives par la méthode VIMP (Le nombre optimal de features gardées est entre 5 et 7.) Résultats 1) Evaluation de la méthode Figure 2 : Erreur de prédiction sur 50 itérations, en fonction de la méthode. GB : gradient boosting machine with Cox, GBCI : gradient boosting machine for concordance index, Lasso : Lasso-cox, Our method : sélection VIMP plus RSF, Without : RSF sans sélection préalable. Figure 3 : A) Courbe de Kaplan Meier dans deux groupes de pronostic obtenues sur le set de test (en rose : Bon pronostic, en bleu : mauvais pronostic). Erreur : 0,30, p-value = 0,0058, valeur log-rank = 7,6, nombre de patients par groupe = 12. B) P-value calculée pour 50 itérations pour différentes méthode de sélection suivies d'une RSF. Our method : VIMP, VH : Variable-Hunting, MD : Minimal Depth, Without : sans sélection. Conclusions et perspectives La méthode proposée permet de décrire un modèle plus performant que les approches conventionnelles pour la prédiction au bilan initial de la survie sans progression des patients atteints de myléome multiple. Nous avons montré qu'il était possible de correctement séparer deux classes de patients (bon/mauvais pronostic) à partir de données indépendantes. Elle permet également de déterminer les paramètres clinico-biologiques et par imagerie les plus prédictifs de la progression. Par la suite, plus de patients et de paramètres vont être inclus avec notamment des caractéristiques radiomiques. Cette approche peut être généralisée à d'autres pathologies. Remerciements : Ce travail a été partiellement financé par SIRIC ILIAD et MILCOM Connect Talent.
Document type :
Poster communications
Complete list of metadatas

https://www.hal.inserm.fr/inserm-02100680
Contributor : Thomas Carlier <>
Submitted on : Tuesday, June 18, 2019 - 10:03:17 AM
Last modification on : Friday, June 21, 2019 - 10:35:34 AM

Identifiers

  • HAL Id : inserm-02100680, version 2

Citation

Ludivine Morvan, Diana Mateus, Clément Bailly, Bastien Jamet, Caroline Bodet-Milin, et al.. Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest" Prédiction de la progression chez des patients atteints de myélome multiple par "Random Survival Forest". .., 2019, Paris, France. ⟨inserm-02100680⟩

Share

Metrics

Record views

59