Nodules pulmonaires détectés par CT scan à faible dose : cancer

Nodules pulmonaires détectés par CT scan à faible dose :
cancer probable ou non ?
Minerva Online 2014-06-15
Conclusion Minerva
Cette étude de cohortes de bonne qualité construit et valide un modèle mathématique
prédictif de la nature maligne ou bénigne d’un nodule découvert lors d’un premier
examen de dépistage du cancer du poumon par CT scan à faible dose. Il reste à
valider ce modèle dans le cadre d’une RCT.
Analyse de
McWilliams A, Tammemagi MC, Mayo JR et al. Probability of cancer in pulmonary
nodules detected on first screening CT. N Engl J Med 2013;369:910-9.
Texte sous la responsabilité de la rédaction francophone
Récemment, la revue Minerva, vous a présenté certains résultats de l’étude NLST
concernant le dépistage du cancer du poumon par CT scan à faible dose dans une
population à risque (1) et plus précisément, les résultats obtenus au premier examen
de dépistage (2).Le dépistage initial a été positif pour 27,3% des sujets soumis au CT
scan à faible dose et pour 9,2% des sujets soumis à la radiographie de thorax. Un acte
chirurgical s’en est suivi chez respectivement 4,2% et 5,2% des sujets, avec un
diagnostic post-opératoire de cancer pour respectivement 1,1% et 0,7% des sujets
dépistés. Ce qui pour le CT scan donne une force probante de 3,53 et une force
excluante de 11,8. Pour le bras RX thorax, la force probante est meilleure : 8,45 mais
la force excluante est plus faible, de 3,44.
Globalement, à côté des irradiations répétées susceptibles en elles-mêmes de
favoriser le développement d’un cancer, se pose la question de la nature d’un résultat
positif. Dans l’étude NLST suite aux trois tomodensitométries de dépistage, 24% des
résultats ont été qualifiés d’anormaux mais plus de 96% d’entre eux se sont révélés
être des faux positifs (3).
Un modèle précis et simple permettant de prédire le risque de malignité d’un nodule
pulmonaire découvert lors du premier CT scan à faible dose permettrait de prendre des
décisions cliniques appropriées et de réduire les risques de morbimortalité induits par
les mises au point et les traitements inutiles (surdiagnostic), ainsi que les coûts du
dépistage non chiffrés dans l’étude NLST.
Pour répondre à ce besoin, une équipe canadienne, à partir d’une première étude
prospective de cohorte (Pan-Canadian early detection of Lung cancer Study (4,5))
issue de la population nérale, a construit par régression logistique des modèles
prédictifs de la nature cancéreuse des nodules pulmonaires (6). Les variables
prédictives indépendantes du modèle appelé complet (incluant les variables associées
en régression univariée au risque de cancer avec une valeur de p < 0,25), étaient les
suivantes : âge avancé, sexe féminin, antécédents familiaux de cancer pulmonaire,
emphysème, taille du nodule, localisation dans les lobes supérieurs, nature
partiellement solide, nombre faible de nodules et aspect spiculé. Un modèle
parcimonieux ne reprenant que les variables statistiquement significatives en
régression univariée (p < 0,05), à savoir le sexe féminin, la taille du nodule, la
localisation dans les lobes supérieurs et le caractère spiculé a aussi été utilisé. Les
caractéristiques discriminantes de ces modèles (capacité à classer correctement) ont
Auteurs:
Van Meerhaeghe A.
Pneumologie, CHU-
Vésale, Charleroi
été évaluées par l’aire sous la courbe ROC.
Ces modèles ont ensuite été validés dans une seconde cohorte prospective (patients
inclus dans plusieurs études réalisées par la British Columbia Cancer Agency).
Comme dans cette seconde cohorte, le caractère spiculé ou non des nodules n’avait
pas été décrit, cette variable a été retirée des deux modèles testés. Le taux de cancer
dans la première cohorte (pour la dérivation du modèle) était de 5,5% et de 3,7% dans
la cohorte de validation du modèle. Dans la cohorte de développement comme dans la
cohorte de validation, les deux modèles offraient une excellente discrimination avec
une aire sous la courbe ROC > 0,90 avec cependant un avantage statistiquement
significatif pour le modèle complet (p = 0,002 dans la cohorte de validation).
Les auteurs concluent que ce nouveau modèle prédictif du risque de la nature
néoplasique des nodules découverts par CT scan à faible dose couplé à un calculateur
en accès libre sur internet (www.brocku.ca/cancerpredictionresearch) améliorerait par
réduction des faux positifs les bénéfices escomptés du dépistage du cancer du
poumon.
Cette affirmation devra être validée dans un essai randomisé type NLST.
Conclusion
Cette étude de cohortes de bonne qualité construit et valide un modèle mathématique
prédictif de la nature maligne ou bénigne d’un nodule découvert lors d’un premier
examen de dépistage du cancer du poumon par CT scan à faible dose. Il reste à
valider ce modèle dans le cadre d’une RCT.
Références
1. Van Meerhaeghe A, Chevalier P. CT scan à faible dose pour le dépistage du
cancer du poumon. Minerva online 15/04/2014.
2. Church TR, Black WC, Aberle DR, et al; National Lung Screening Trial
Research Team. Results of initial low-dose computed tomographic screening for
lung cancer. N Engl J Med 2013;368:1980-91.
3. Aberle DR, Adams AM, Berg CD et al. National Lung Screening Trial Research
Team. Reduced lung-cancer mortality with low-dose computed tomographic
screening. N Engl J Med 2011;365:395-409.
4. Tammemagi CM, Pinsky PF, Caporaso NE, et al. Lung cancer risk prediction:
Prostate, Lung, Colorectal and Ovarian Cancer Screening Trial models and
validation. J Natl Cancer Inst 2011;103:1058-68.
5. Tammemägi MC, Katki HA, Hocking WB, et al. Selection criteria for lung-cancer
screening. N Engl J Med 2013;368:728-36.
6. McWilliams A, Tammemagi MC, Mayo JR et al. Probability of cancer in
pulmonary nodules detected on first screening CT. N Engl J Med 2013;369:910-
9.
1 / 2 100%

Nodules pulmonaires détectés par CT scan à faible dose : cancer

La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !