Algorithme dermoscopique simplifié pour le diagnostic du mélanome

La dermatoscopie s’est avérée être une technique de diagnostic non invasive utile pour le diagnostic du mélanome cutané. Cependant, la précision diagnostique de la dermoscopie dépend dans une large mesure du degré d’expérience des observateurs. 3 De nombreux algorithmes ont été décrits pour tenter d’atteindre un critère standard pour l’évaluation des modèles et des structures dermoscopiques. De plus, l’application de certains algorithmes pourrait prendre beaucoup de temps, de sorte que leur efficacité et leur fiabilité dans la pratique quotidienne pourraient être inférieures aux attentes.

Des études antérieures ont montré que la plupart des mélanomes diffèrent des lésions mélanocytaires bénignes par le nombre de couleurs, l’asymétrie des couleurs ou des structures et la présence de certaines structures dermoscopiques spécifiques au mélanome.

Sur la base de ces faits, nous avons réalisé une étude pour développer un algorithme dermoscopique pour le diagnostic du mélanome répondant aux caractéristiques suivantes : précision, sensibilité et spécificité maximales pour détecter le mélanome cutané ; indépendance de l’expérience de l’observateur en dermatoscopie ; et plus facile à réaliser dans la pratique quotidienne que les algorithmes dermoscopiques précédents.

But

Proposer un algorithme dermoscopique simplifié pour le diagnostic du mélanome.

matériel et méthodes

Une analyse rétrospective multicentrique de 1 120 images dermoscopiques de tumeurs mélanocytaires atypiques (320 mélanomes et 800 non-mélanomes) a été réalisée.

Un algorithme a été conçu sur la base de la polychromie, de l’asymétrie des couleurs ou des structures et de certaines structures spécifiques du mélanome. Une analyse de régression logistique univariée et multivariée a été calculée pour estimer les coefficients de chaque prédicteur potentiel du diagnostic de mélanome.

Un score a été élaboré sur la base d’évaluations dermoscopiques réalisées par quatre experts aveugles au diagnostic histologique.

Résultats

La plupart des mélanomes présentaient :

• ≥3 couleurs (280 ; 84,5 %)
• Asymétrie des couleurs ou des structures (289 ; 90,3 %)
• Au moins une structure spécifique au mélanome (316 ; 98,7 %).

Le score PASS ≥3 avait une sensibilité de 91,9 %, une spécificité de 87 % et une précision diagnostique de 88,4 % pour le mélanome. L’algorithme PASS a montré une aire sous la courbe (AUC) de 0,947 (IC à 95 % 0,935-0,959).

Image dermoscopique de lésions pigmentées suspectes avec trois couleurs : marron foncé, marron clair et blanc (1 point) ; asymétrie des couleurs et des structures (1 point) ; et réseau pigmenté atypique en tant que structure spécifique du mélanome (1 point). Le score PASS était de 3. Le diagnostic histologique était un mélanome superficiel in situ disséminé.

Limites

Cette étude était rétrospective. Une comparaison entre les performances de différents algorithmes dermoscopiques est difficile en raison de leur conception.

Conclusions

L’algorithme PASS a montré une très bonne précision diagnostique, quelle que soit l’expérience des observateurs, et semble plus facile à réaliser que les algorithmes dermoscopiques précédents.

Discussion

La dermatoscopie est une technique de diagnostic visuel non invasive capable d’améliorer la précision du diagnostic du mélanome jusqu’à 49 % par rapport à l’examen visuel. Il existe plusieurs algorithmes pour diagnostiquer le mélanome basés sur la présence ou l’absence de différentes couleurs, motifs et structures dermoscopiques dans une lésion. Son objectif doit être de fournir une série de critères objectifs et homogènes lors de l’analyse des lésions pigmentées atypiques et, si possible, indépendants de l’expérience antérieure de l’observateur.

L’analyse de l’accord interobservateur a révélé que l’identification des couleurs et des asymétries avait un taux d’accord plus élevé que la plupart des structures dermoscopiques. Des études antérieures ont déterminé que les caractéristiques liées à l’organisation globale, aux couleurs et aux symétries ont un plus grand pouvoir de concordance et de discrimination que de nombreuses structures diagnostiques bien connues, telles que le réseau pigmentaire atypique ou les taches irrégulières. Certains algorithmes dermoscopiques, comme les algorithmes CASH et TADA, sont basés sur cette idée. Ce résultat a été confirmé dans notre analyse de concordance et conforte cette approche.

L’identification de structures dermoscopiques spécifiques au mélanome est une base commune dans presque tous ces algorithmes mais certains mélanomes peuvent ne présenter aucun critère dermoscopique spécifique. Ceci explique pourquoi, ces dernières années, tant de structures et de schémas vasculaires évocateurs d’un mélanome ont été décrits. Dans notre étude, presque tous les mélanomes présentaient au moins une structure spécifique au mélanome, et 82,5 % en avaient deux ou plus.

En 2016, un groupe de chercheurs de l’International Dermatoscopy Society (IDS) a publié la plus grande étude comparative entre algorithmes dermoscopiques à ce jour. 7Ils ont analysé dans un deuxième temps, à partir de l’analyse primaire de certaines structures dermoscopiques, les résultats de précision diagnostique obtenus par six algorithmes analytiques.

La méthode Menzies a montré la sensibilité la plus élevée pour la détection du mélanome (95,1 %, IC à 95 % 89,0–98,4 %) et la liste de contrôle en 3 points était la plus faible (68,9 %). , IC à 95 % : 53,0 à 64,6 %). La spécificité la plus élevée a été montrée par la règle ABCD (59,4 %, IC 95 % 54,0-64,6 %) et la plus faible par la méthode de Menzies (24,8 %, IC 95 % 20,1-30,1 %). Aucune différence statistiquement significative n’a été observée dans l’aire sous la courbe ROC de l’algorithme CASH, de la liste de contrôle en 7 points, de la liste de contrôle en 3 points, du chaos et des indices, ou de la règle ABCD, mais la méthode de Menzies a montré une ASC légèrement inférieure. inférieur (P 0,01). Ces résultats ne peuvent nous donner qu’une impression indicative de la fiabilité des critères de chaque algorithme et doivent être évalués avec prudence.

D’autres algorithmes dermoscopiques ont également inclus des critères cliniques tels que l’âge ou le diamètre de la tumeur dans leurs algorithmes de diagnostic pour améliorer leur précision. L’algorithme 18 PASS ne prend en compte que les caractéristiques dermoscopiques pour simplifier ses performances dans la pratique quotidienne et réduire la variabilité inter-observateur, obtenant ainsi une très bonne sensibilité, spécificité et précision pour la détection du mélanome cutané. Ses variables forment un acronyme de quatre lettres facile à retenir et ne nécessitant pas d’opérations mathématiques complexes comme dans l’algorithme dermoscopique ABCD ou l’IDScore.

Concernant le degré d’ accord interobservateur , l’application des méthodes de diagnostic était meilleure (modérée ou K ˃ 0,4) que la plupart des structures dermoscopiques (acceptable ou K = 0,2-0,4, avec exceptions). Ces résultats sont similaires à ceux obtenus dans des études réalisées sur des observateurs inexpérimentés, ils seraient donc indépendants d’une formation préalable en dermoscopie. Dans notre étude, nous avons obtenu un accord interobservateur modéré quelle que soit l’expérience des chercheurs en dermoscopie.

Les tendances de ces dernières années semblent être le développement d’algorithmes automatisés grâce à l’utilisation de l’intelligence artificielle et des réseaux neuronaux convolutifs qui augmentent la précision du diagnostic du mélanome et dépassent même l’observateur humain. Cependant, la plupart de ces études présentent des méthodologies très hétérogènes, et une étude prospective contrôlée a montré que le degré de précision du diagnostic diminue considérablement lorsqu’il est appliqué dans des conditions réelles.