Upload
c-coutant
View
217
Download
2
Embed Size (px)
Citation preview
Modèles prédictifs d’envahissement du ganglion nonsentinelle en cas de ganglion sentinelle positifdans le cancer du sein
Predictive models for metastatic non-sentinel lymph nodes in cases of positivesentinel lymph nodes in breast cancerE. Chéreau1, D. Hudry2, E. Lambaudie1, M. Cohen1, G. Houvenaeghel1, C. Coutant2
1Service de chirurgie oncologique, institut Paoli-Calmettes,
232, boulevard Sainte-Marguerite, F-13009 Marseille, France2Département d’oncologie chirurgicale,
centre Georges-François-Leclerc, 1, rue Professeur-Marion,
BP 77980, F-21079 Dijon cedex, France
Reçu le 18 janvier 2013 ; accepté le 11 avril 2013
Abstract: To reduce the morbidity
of complementary axillary lymph
node dissection and the reopera-
tion rate after sentinel lymph node
(SN) biopsy, the use of predictive
models of metastatic non-SN in
case of positive SN can be useful.
Before being used in routine, these
models have to be validated in
independent populations based
on discrimination and calibration.
However, the main issue is their
clinical utility based not only on
the low false negative rate but also
on its potential to discriminate
patients with a low risk of non-SN
involvement. This article is inten-
ded to recall the different types of
predictive models used, their defi-
nition and to present and compare
different published models to esti-
mate the risk of invasion of non-
SN in case of positive SN.
Keywords: Breast cancer – Mathe-
matical models – Sentinel lymph
node – Non-sentinel lymph node –
Prediction
Résumé : Afin de diminuer lamor-
bidité du curage axillaire (CA) et le
taux de réintervention après pro-
cédure du ganglion sentinelle
(GS), l’utilisation de modèles pré-
dictifs d’envahissement des gan-
glions non sentinelles (GNS) en
cas de GS métastatique peut être
utile dans la prise en charge des
patientes. Avant de pouvoir être
utilisés en pratique courante, ces
modèles doivent être validés sur
des cohortes indépendantes de
patientes avec une méthodologie
rigoureuse. Les critères de valida-
tion sont la discrimination, la cali-
bration et l’intérêt clinique qui
reposent, d’une part, sur l’analyse
du taux de faux-négatifs et, d’autre
part, sur l’efficacité du modèle,
c’est-à-dire sa capacité à sélection-
ner un nombre suffisant de
patientes. Cet article a pour but
de rappeler les différents types
de modèles prédictifs utilisés et
leur définition et de présenter et
comparer les différents modèles
publiés permettant d’estimer le
risque d’envahissement du GNS
en cas de GS positif.
Mots clés : Cancer du sein – Mo-
dèles mathématiques – Ganglion
sentinelle – Ganglion non senti-
nelle – Prédiction
Introduction
Les résultats de l’essai américain
ACOSOG Z0011 publié récemment
ont relancé le débat sur la réalisa-
tion ou non d’un curage axillaire
(CA) complémentaire en cas de
ganglion sentinelle (GS) positif
[10]. En effet, cette étude comparant
la survie des patientes avec un ou
des GS envahi(s) ayant bénéficié ou
non d’un CA complémentaire n’a
retrouvé aucune différence statisti-
quement significative, avec un suivi
médian de 6,3 ans, entre les deux
groupes randomisés CA complé-
mentaire (420 patientes) et GS seul
(436 patientes) en termes de réci-
dive locale et de récidive régionale.
L’envahissement des GS corres-
pondait à une macrométastase
dans 50,2 % des cas (430/856), à
une micrométastase dans 35,1 %
des cas (301/865) et sans précision
dans 14,6 % des cas (125/856).
Néanmoins, ces résultats sont dis-
cutables, car cet essai a été préma-
turément fermé en raison d’une
faible inclusion.
En cas d’envahissement méta-
statique du GS chez les patientes
ayant un cancer du sein, un CA
complémentaire est actuellement
toujours recommandé en France. Il
apparaît tout de même indispen-
sable de déterminer de manière
prédictive le risque d’envahisse-
ment des ganglions non sentinelles
(GNS) en cas d’atteinte des GS. En
effet, dans 40 à 70 % des cas, les
GNS sont indemnes d’envahisse-
ment tumoral [5,14,15,22].Correspondance : [email protected]
Dossier
Them
atic
file
■Oncologie (2013) 15: 304–310© Springer-Verlag France 2013DOI 10.1007/s10269-013-2292-8
304
Afin de connaître de manière
prédictive le risque d’envahisse-
ment des GNS en cas d’atteinte
des GS, plusieurs modèles mathé-
matiques ont été développés per-
mettant d’estimer pour une patiente
donnée le risque de maladie rési-
duelle axillaire en cas de GS positif.
Ces modèles correspondent soit à
des équations avec un calcul du
risque estimé pour chaque patiente
en fonction des critères retenus
dans ce modèle, soit à des scores
avec un résultat binaire, groupe à
haut risque ou non en fonction là
aussi des critères retenus. En 2003,
Van Zee et al. ont été les premiers
à proposer un nomogramme pré-
dictif d’envahissement des GNS
(Memorial Sloan-Kettering Cancer
Center [MSKCC] nomogramme)
[30]. Depuis, plusieurs autres nomo-
grammes et scores ont été publiés.
Les différents facteurs prédictifs
d’envahissement des GNS les plus
souvent mis en évidence dans ces
modèles sont la taille de la tumeur
primitive, la taille de la métastase
dans le GS, la présence d’emboles
lymphovasculaires, le nombre de
GS prélevés et envahis ou le ratio
du nombre de GS envahis par rap-
port au nombre de GS prélevés.
Cet article a pour but de rappeler
les différents types demodèles pré-
dictifs utilisés et leur définition et de
présenter et comparer les différents
modèles publiés permettant d’esti-
mer le risque d’envahissement du
GNS en cas de GS positif.
Description des différents
modèles prédictifs
Nomogrammes
Les nomogrammes sont desmodè-
les développés à partir d’une
régression logistique. Les variables
indépendantes prédictives d’enva-
hissement des GNS sont incluses
dans le modèle permettant de cal-
culer, pour chaque patiente, la pro-
babilité d’envahissement des GNS.
Le seuil acceptable proposé par les
auteurs comme prédictif de non-
envahissement des GNS est une
probabilité prédite inférieure ou
égale à 10 %.
Scores
Les scores sont également obtenus
après régression logistique. Les
variables significatives sont incluses
dans le modèle où un nombre de
points leur est assigné en fonction
de leur poids respectif, c’est-à-dire
en fonction de la valeur du coeffi-
cient de régression de chacune
d’elles. La somme des points des
variables constituant le modèle
détermine un score. Un seuil est
proposé par les auteurs ainsi que la
probabilité de l’événement qui y est
attaché. À l’inverse des nomogram-
mes qui fournissent une probabilité
pour chaque patiente, les scores
donnent une réponse binaire pour
une patiente (en fonction du seuil).
Modèles de partition récursive
Un modèle de partition récursive
(encore appelé segmentation par
arbre binaire ou partitionnement
récursif) permet de créer un arbre
de décision basé sur une ou plu-
sieurs variable(s) dichotomique(s)
dont le but est de classer correcte-
ment lesmembres de la population.
Contrairement aux modèles de
régression logistique qui cherchent
des combinaisons qui maximisent
tant la sensibilité que la spécificité,
les modèles de partition récursive
cherchent les combinaisons les
plus sensibles. Pour chaque bran-
che du modèle, une probabilité
d’envahissement des GNS est don-
née. Comme pour les nomogram-
mes, le seuil proposé par les
auteurs comme prédictif de non-
envahissement des GNS est une
probabilité inférieure à 10 %.
Méthodes statistiques
d’évaluation des différents
modèles et utilité clinique
Unmodèledoit être validé aumieux
sur une population indépendante
(validation externe). À défaut, une
validation interne peut être effec-
tuée (cross validation, bootstrap).Les critères de validation impor-
tants sont, d’une part, la discrimina-
tion et la calibration et, d’autre part,
l’intérêt clinique du modèle basé
sur le taux de faux-négatifs (FN), la
sensibilité, la spécificité, la valeur
prédictive négative (VPN) et posi-
tive (VPP) et sur l’efficacité du
modèle. Ce dernier point est impor-
tant bien que rarement pris en
compte et est défini par la capacité
du modèle à classer correctement
le plus grand nombre de patientes.
Discrimination
La discrimination est basée sur
l’analyse de l’aire sous la courbe
ROC (receiver operating characte-ristic curve) [AUC]. Une courbe
ROC est une représentation gra-
phique du taux de faux-positifs
(1-spécificité) en fonction de la sen-
sibilité pour chaque valeur du
modèle. Le calcul de l’AUC permet
de mettre en évidence le pouvoir
discriminant d’un test à séparer les
sujets malades des non malades.
Lorsque l’AUC est supérieure à
0,8, le pouvoir discriminant est
excellent ; il est bon lorsque l’AUC
est comprise entre 0,7 et 0,8. Une
AUC à 0,5 correspond à une prédic-
tion au hasard [12].
Calibration
La calibration d’un modèle a pour
but de comparer les probabilités
prédites par le modèle et les fré-
quences réellement observées.
Elle est étudiée par une représenta-
tion graphique, la courbede calibra-
tion, obtenue par régression linaire.
Un modèle est correctement cali-
bré lorsque les deux droites sont
superposables.
Intérêt clinique
L’intérêt clinique du modèle repose
sur l’analyse du taux de FN, de la
sensibilité, de la spécificité, de la
VPP et de la VPN. Un taux de FN
inférieur ou égal à 5% est considéré
comme acceptable par les auteurs.
Par ailleurs, une autre notion appa-
raît fondamentale, celle de l’effica-
cité dumodèle, c’est-à-dire sa capa-
cité à sélectionner un nombre
suffisant de patientes. En effet,
40 à 70 % des patientes n’auront
pas d’envahissement des GNS.
Ainsi, le second paramètre impor-
tant afin de déterminer l’utilité
clinique d’un modèle est le nombre
Miseaupoint
Update
305
de patientes ayant un score infé-
rieur au seuil ou une probabilité
prédite inférieure à 10 %. En effet,
un modèle discriminant, correcte-
ment calibré, avec un taux de FN
acceptablemais qui ne sélectionne-
rait que quelques pour cent de la
population aurait un intérêt
clinique limité.
Revue de la littérature
des modèles existants
Nomogrammes
À ce jour, sept nomogrammes
et un modèle continu ont été
développés afin de prédire l’enva-
hissement des GNS en cas de
GS positif (Tableau 1).
Nomogramme du MSKCC (MSKCCnomogram)
Le nomogramme du MSKCC déve-
loppé par Van Zee et al. [30] fait
intervenir huit variables :
– le type histologique associé
au grade SBR (carcinome cana-
laire infiltrant [CCI] de grade 1,
CCI de grade 2, CCI de grade 3
et carcinome lobulaire infiltrant
[CLI]) ;
– l’existence d’une invasion
lymphovasculaire (LVI) [oui, non] ;
– le caractère multifocal (oui,
non) ;
– le statut des récepteurs aux
estrogènes (présent, absent) ;
– le nombre de GS non méta-
statiques (de 0 à 14) ;
– le nombre de GS métasta-
tiques (de 1 à 7) ;
– la taille de la tumeur primitive
(de 0 à 9 cm) ;
– la méthode de détection des
métastases dans les GS.
Les auteurs ont mis à la disposi-
tion des cliniciens un site Internet
permettant facilement de calculer
pour chaque patiente une probabi-
lité d’envahissement des GNS :
http://www.mskcc.org/mskcc/htlm/
5794.cfm.
Nomogramme de la Mayo clinique(Mayo nomogram)
Le nomogramme de la Mayo
clinique a été développé par
Degnim et al. [9] sur le même
Tableau 1. Nomogrammes prédictifs d’envahissement des GNS?
Modèles MSKCCnomogram
Mayonomogram
Cambridgenomogram
Stanfordnomogram
Marseillenomogram
Ljubljananomogram
Helsinkinomogram
Helsinkimodèlecontinu
0 à 100 % 0 à 100 % 0 à 100 % 0 à 100 % 0 à 100 % 0 à 100 % 0 à 32 % 0 à 100 %
Seuil ≤ 10 % ≤ 10 % < 10 % ≤ 10 % ≤ 10 % ≤ 10 % ≤ 10 % –
VariablesÂge XIncidence des GNSpositifs dans le centre
X
Taille de la tumeur X X Xd X X XÉchographie axillaire XType de la tumeur X XGrade histologique XLVI X Xc X X XMultifocalité X X XStatut des récepteurshormonaux
X
Statut Her2 XNb de GS négatifs X X X XNb de GS positifs X X XRupture capsulaire Xa
Taille de la métastasedans le GS
X Xb Xc, Xd X
Effraction capsulaire XMéthode de détectionde la métastasedans le GS
X X X
Ratio entre le nb de GSpositifs sur le nb totalde GS prélevés
X
AUC 0,611 0,602 0,515 0,629 0,617 0,586 0,682 0,756Sensibilité (%) 91,4 91,4 68,6 68,6 91,4 94,3 38,2 38,5Spécificité (%) 18,3 16,5 27,8 49,0 25,8 10,0 85,7 89,2Utilité clinique (%) 17,6 15,9 28,1 47,7 24,6 9,7 84,1 –
?
RP = partition récursive ; Nb : nombre.a Nb de GS positifs en fonction de la présence ou de l’absence d’une rupture capsulaire.b Taille de la métastase dans le GS en mm.c Variable composée : LVI × taille de la métastase dans le GS.d Variable composée : taille de la tumeur × (taille de la métastase dans le GS)2.
Dossier
Them
atic
file
306
principe à partir d’une série rétro-
spective et comprend cinq varia-
bles :
– la taille de la métastase
(en mm) ;
– la taille histologique de la
fraction invasive (en mm) ;
– le nombre de GS indemnes ;
– le nombre de GS métasta-
tiques avec deux situations distinc-
tes : présence ou non d’au moins
un GS avec une rupture capsulaire
et enfin l’âge de la patiente avec là
encore deux situations distinctes :
présence ou non de récepteurs
aux estrogènes. Il n’y a pas de cal-
culateur on line ;
– l’utilisation en routine de ce
modèle est fastidieuse.
Nomogramme de Cambridge(Cambridge nomogram)
Le nomogramme de Cambridge
proposé par Pal et al. [23] inclut
trois variables : le type histologique
de la tumeur, la taille de la méta-
stase dans le GS (en mm) et le
ratio entre le nombre de GS positifs
et le nombre total de GS prélevés.
Nomogramme de Stanford (Stanfordnomogram)
Le nomogramme de Stanford
publié par Kohrt et al. [18] a la parti-
cularité d’inclure des interactions
entre les variables : la première est
le produit d’une invasion lympho-
vasculaire (LVI) [scoré 1 si présent,
0 si absent] avec la taille de laméta-
stase dans le GS (scoré 2 si macro-
métastases, 1 simicrométastases et
0 si cellules isolées) ; la seconde
variable est le produit de la taille
histologique de la tumeur (en cm)
par le carré de la taille de la
métastase.
Nomogramme de Marseille
Le nomogramme de Marseille [13]
a la particularité de prédire le risque
d’envahissement des GNS chez
les patientes présentant une micro-
métastase sur le GS. Il prend en
compte le type histologique, la
méthode d’analyse anatomopatho-
logique des GS, la présence d’em-
boles vasculaires et la taille tumo-
rale. Il est plus performant que les
nomogrammes décrits précédem-
ment en cas de micrométastase
des GS.
Nomogramme de Ljubljana
Une équipe Solvène [24] a proposé
récemment dans une même publi-
cation trois nomogrammes (nomo-
gramme de Ljubljana) incluant
comme variables communes les
emboles vasculaires, l’échographie
axillaire préopératoire (ganglion
suspect ou non) et le nombre de
GS négatifs. La différence entre les
trois modèles est la connaissance
ou non des résultats de l’examen
extemporané du GS afin de les ren-
dre exportables à toutes les institu-
tions en fonctiondespratiques loca-
les. Ces trois nomogrammes sont
bien calibrés sur la population
étudiée.
Nomogramme d’Helsinki
Enfin, les derniers nomogrammes
décrits sont ceux d’Helsinki sous
forme de deux modèles distincts.
Tout d’abord, le nomogramme
d’Helsinki [21] qui prend en compte
uniquement la taille tumorale
combinée au caractère uni- ou mul-
tifocal (en cas de tumeur multifo-
cale, c’est la taille de la plus grande
tumeur qui est considérée). Plus
récemment, les mêmes auteurs
ont proposé un modèle continu[20] incluant neuf variables :
– l’incidence des GNS positifs
dans le centre considéré ;
– la taille tumorale ;
– les emboles ;
– la multifocalité ;
– le statut Her2 ;
– le nombre de GS positifs ou
négatifs ;
– la taille de la métastase
ganglionnaire ;
– la rupture capsulaire.
Les auteurs ont mis à la dispo-
sition des cliniciens un site Inter-
net permettant facilement de cal-
culer pour chaque patiente une
probabilité d’envahissement des
GNS : http://www.hus.fi/breast-
surgery/predictivemodel.
Validation externe
Plusieurs de ces nomogrammes
ont été validés sur des populations
indépendantes.
Le MSKCC nomogramme, pre-
mier modèle proposé, a été évalué
par 17 équipes [1,3,7–9,16–19,23,
25,27–31] avec des AUC qui varient
de 0,58 à 0,86. Il a été validé par
12 équipes (AUC > 0,7) [1,3,7,9,
18,19,25,27–31] et non validé par
trois autres équipes [1,16,17] dont
Alran et al. pour les patientes ne
contenant que des micrométasta-
ses. Deux auteurs ont rapporté des
AUC comprises entre 0,6 et 0,7
[8,23]. Quatre de ces équipes seule-
ment ont étudié la calibration de
ce modèle sur leur population
[1,9,25,30]. Seulement trois de ces
équipes ont rapporté leur taux de
FN pour une probabilité inférieure
ou égale à 10 % (Ponzone et al.,
Degnim et al. et Soni et al. avec des
taux de FN de 0, 14 et 16 % respecti-
vement) [9,25,28].
Par ailleurs, le MSKCC nomo-
gramme a fait l’objet d’une valida-
tion spécifique sur le sous-groupe
des micrométastases par Alran et
al. [1] qui ont rapporté une AUC à
0,54.
Kohrt et al. [18] ont validé sur
une population indépendante de
77 patientes leur modèle (nomo-
gramme de Stanford) et le nomo-
gramme du MSKCC avec des AUC
de 0,74 et 0,62 respectivement sans
rapporter ni la calibration ni le taux
de FN.
Gur et al. [11] ont également
validé les nomogrammes du
MSKCC, de Cambridge et de Stan-
ford avec des AUC de 0,705, 0,711
et 0,730 respectivement.
Une validation interne (cinq
populations) et externe (huit popu-
lations) du modèle continu d’Hel-
sinki [20] a été réalisée dans la
même publication retrouvant une
bonne corrélation avec des AUC
moyennes de 0,714 (0,665–0,763)
et 0,719 (0,689–0,750) respective-
ment. Par ailleurs, ce modèle était
très bien calibré pour ce qui est de
la population de validation externe.
Miseaupoint
Update
307
À notre connaissance, les autres
modèles n’ont pas été évalués sur
une population indépendante. Pal
et al. [23] ont validé leur modèle
(nomogramme de Cambridge) par
validation interne (cross validation)et retrouvent une AUC à 0,84.
Scores
À l’image des nomogrammes,
plusieurs scores ont été décrits
afin de prédire l’envahissement
desGNSetdéfinir un seuil décision-
nel (Tableau 2).
Le score de Tenon [2] (de 0 à 7
points) est basé sur la combinaison
de trois facteurs prédictifs indépen-
dants : l’existence de macrométas-
tases dans le GS (2 points si pré-
sent, 0 sinon), la taille histologique
de la tumeur (3 points si supérieure
à 20 mm, 1,5 point si la taille est
comprise en 10 et 20 mm et 0
point si la taille est inférieure ou
égale à 10 mm), et le ratio entre le
nombre de GS métastatiques et le
nombre de GS prélevés (2 points si
le ratio est égal à 1, 1 point si le
ration est compris entre 0,5 et 1 et
0 point si inférieur à 0,5). Les
patientes dont le score est inférieur
ou égal à 3,5 ont une probabilité de
97,3%denepas avoir demétastase
dans les GNS (odds ratio de 42,75
avec un intervalle de confiance à
95 % de [20,5–90,0]).
Le score du MDA [14] (de –2 à 4
points) fait intervenir quatre fac-
teurs : la taille tumorale histolo-
gique (1 point si supérieure à
2 cm), le nombre de GS prélevés
(–2 points si supérieur ou égal à 3),
la taille de la métastase dans le GS
(2 points si supérieure à 2 mm) et la
présence d’une LVI (1 point si pré-
sent). Le seuil proposé est de 0 avec
une valeur prédictive négative rap-
portée par les auteurs de 100 %.
Le score de Saidi et al. [26] (de 0
à5points) incluantquatrevariables :
la taille de la tumeur (2 points si
supérieure à 10 mm, 0 point
sinon), la présence d’une masse
palpable (1 point si présent), l’exis-
tence d’une LVI (1 point si présent)
et l’existence d’une rupture capsu-
laire (1 point si présent). Le seuil
proposé par les auteurs est 2 avec
un risque d’envahissement des
GNS de 5,8 % en cas de score infé-
rieur ou égal à 2.
Le score de Cho et al. [4] prend
en compte les données de l’écho-
graphie axillaire préopératoire
(V1), la taille tumorale (T2 ou T3)
(V3-2 ou V3-3), le nombre de GS
envahis (V4) et non envahis (V5) et
la présence d’emboles vasculaires
(V2) afin de proposer un score pré-
dictif d’envahissement des GNS.
Cesdifférents paramètres sont asso-
ciés à un nombre de points positifs
ou négatifs qui permet le calcul du
score avec la formule suivante :
score = 1,44 × V1 + 1,14 × V2 + 0,63
(V3-2) ou 2,47(V3-3) + 0,66 × V4 –
0,22 × V5.
Validation externe
Le score du MDA a été validé par
Dauphine et al. [8] avec une AUC à
0,7 mais sans information sur la
calibration ni le taux de FN. Par
contre, Ponzone et al. [25] rappor-
taient un taux de FN de 18,8 %
(seuil à 0) ne validant pas le score,
mais sans fournir ni l’AUC ni la
courbe de calibration.
Le score de Tenon a été validé
sur une série indépendante de 226
patientes par Coutant et al. [6] avec
Tableau 2. Scores prédictifs d’envahissement des GNS?
Modèles Score du MDA Score de Tenon Score de Saidi Score de Cho
Type Score Score Score Score
–2 à 4 0 à 7 0 à 4 0 à 5
Seuil ≤ 0 ≤ 3,5 ≤ 2 ≤ 1
VariablesTaille de la tumeur 0 pt si ≤ 10 mm, 1 pt
si > 10 mm0 pt si < 10 mm, 1,5 pt si ]10–20], 3 pts si > 20 mm
2 pts si > 10 mm,1 pt sinon
0,63 si T2 ou 2,47 si T3,0 sinon
Échographie axillaire 1,44 pt si ganglionsuspect, 0 sinon
Masse palpable 1 pt, 0 sinonLVI 1 pt, 0 sinon 1 pt, 0 sinon 1,14 pt, 0 sinonNb de GS prélevés –2 pts si ≥ 3Nb de GS négatifs –0,22 pt par ganglion
négatifNb de GS positifs 0,66 pt par ganglion
métastatiqueRupture capsulaire 1 pt, 0 sinonTaille de la métastase dans le GS 2 pts si
macrométastases2 pts simacrométastases
Ratio entre le nb de GS positifssur le nb total de GS prélevés
0 pt si < 0,5, 1 pt si [0,5–1[, 2 pts si = 1
AUC 0,547 0,590 0,571 0,599Sensibilité (%) 42,9 25,7 74,1 54,3Spécificité (%) 75,5 72,2 31,6 61,2Utilité clinique (%) 74,2 81,6 31,2 60,1
Dossier
Them
atic
file
308
une AUC à 0,82 et un taux de FN de
4,2 % (seuil 3,5) confirmant ses
excellentes performances. Il a éga-
lement été validé par Gur et al. [11]
avec une AUC de 0,582.
Pour le score de Cho et al. [4], la
validation externe a été rapportée
dans la publication initiale et
retrouve une bonne reproductibilité
avec des AUC de 0,70 à 0,82 sur
cinq populations indépendantes.
Partition récursive et régression
logistique (Tableau 3)
Kohrt et al. [18] ont proposé deux
modèles de partitions récursives :
le premier (RP-ROC) utilisant la
méthode RP-ROC décrite par Krae-
mer et al. et le second (CART) utili-
sant la méthode CART (basée sur la
méthode de Gini-Lorenz).
Les variables dichotomiques
incluses dans ces deux modèles
sont : présence d’une LVI, présence
de cellules tumorales isolées dans
le GS, taille de la tumeur et pré-
sence de macrométastase dans le
GS.
À côté de la validation du nomo-
gramme de Stanford sur une
population indépendante de 77
patientes, Kohrt et al. [18] ont éga-
lement validé leurs trois modèles
(nomogramme de Stanford, RP-
ROC et CART) par cross validationavec des AUC à 0,85, 0,8 et 0,8
respectivement. Les résultats
souvent très bons rapportés par
les auteurs lors des validations
internes contrastent avec les résul-
tats décevants lors des validations
sur des populations indépendantes.
Conclusion
Afin de diminuer lamorbidité duCA
et le taux de réinterventions après
procédure du GS, l’utilisation de
modèles permettant de prédire l’en-
vahissement des GNS en cas de GS
métastatique et ainsi de sélection-
ner les 40 à 70 % des patientes
n’ayant pas de bénéfice à un CA
peut avoir un intérêt pour les
patientes.
Quatorze modèles ont été pro-
posés, et seulement certains d’entre
eux ont été évalués sur des popula-
tions indépendantes. Il apparaît
donc indispensable d’avoir une vali-
dation et une comparaison des dif-
férents modèles existants sur une
large série indépendante et notam-
ment sur le sous-groupe spéci-
fique des patientes dont le GS ne
contient que des micrométastases
ou des cellules isolées afin de pou-
voir sélectionner le ou lesmodèle(s)
ayant une discrimination, une fiabi-
lité et une efficacité clinique suffi-
santes. Ceoucesmodèle(s) devront
ensuite être validés par des essais
randomisés.
Une étude française randomi-
sée multicentrique est actuelle-
ment en cours comparant la survie
sans récidive (tout type de récidive)
entre les patientes ayant eu ou non
un CA complémentaire en cas de
GS positif (tout type d’atteinte
ganglionnaire).
En attendant le résultat de ces
études, un CA est toujours la règle
en cas de GS métastatique.
Conflit d’intérêt : les auteurs
déclarent ne pas avoir de conflit
d’intérêt.
Références
1. Alran S, De Rycke Y, Fourchotte V, et al.(2007) Validation and limitations of use ofa breast cancer nomogram predictingthe likelihood of non-sentinel node invol-vement after positive sentinel node biop-sy. Ann Surg Oncol 14(8): 2195–201
2. Barranger E, Coutant C, Flahault A, et al.(2005) An axilla scoring system to predictnon-sentinel lymph node status in breastcancer patients with sentinel lymph node
involvement. Breast Cancer Res Treat 91(2): 113–9
3. Bevilacqua JL, Kattan MW, Fey JV, et al.(2007) Doctor, what are my chancesof having a positive sentinel node? Avalidated nomogram for risk estimation.J Clin Oncol 25(24): 3670–9
4. Cho J, Han W, Lee JW, et al. (2008) Ascoring system to predict nonsentinellymph node status in breast cancerpatients with metastatic sentinel lymphnodes: a comparison with other scoringsystems. Ann Surg Oncol 15(8): 2278–86
5. Chu KU, Turner RR, Hansen NM, et al.(1999) Do all patients with sentinel nodemetastasis from breast carcinoma needcomplete axillary node dissection? AnnSurg 229(4): 536–41
6. Coutant C, Rouzier R, Fondrinier E, et al.(2009) Validation of the Tenon breastcancer score for predicting non-sentinellymph node status in breast cancerpatients with sentinel lymph node metas-tasis: a prospective multicenter study.Breast Cancer Res Treat 113(3): 537–43
7. Cripe MH, Beran LC, Liang WC, et al.(2006) The likelihood of additional nodaldisease following a positive sentinellymph node biopsy in breast cancerpatients: validation of a nomogram. AmJ Surg 192(4): 484–7
8. Dauphine CE, Haukoos JS, Vargas MP,et al. (2007) Evaluation of three scoringsystems predicting non sentinel nodemetastasis in breast cancer patients witha positive sentinel node biopsy. Ann SurgOncol 14(3): 1014–9
9. Degnim AC, Reynolds C, Pantvaidya G,et al. (2005) Nonsentinel node metastasisin breast cancer patients: assessment ofan existing and a new predictive nomo-gram. Am J Surg 190(4): 543–50
10. Giuliano AE, McCall L, Beitsch P, et al.(2010) Locoregional recurrence after sen-tinel lymph node dissection with or wi-thout axillary dissection in patients withsentinel lymph node metastases: theAmerican College of Surgeons OncologyGroup Z0011 randomized trial. Ann Surg252(3): 426–32
11. Gur AS, Unal B, Ozbek U, et al. (2010)Turkish Federation of Breast DiseaseAssociations Protocol MF08-01 investiga-tors. Validation of breast cancer nomo-grams for predicting the non-sentinellymph node metastases after a positivesentinel lymph node biopsy in a multi-center study. Eur J Surg Oncol 36(1):30–5
12. Hanley JA, McNeil BJ (1982) The mea-ning and use of the area under a receiveroperating characteristic (ROC) curve. Ra-diology 143(1): 29–36
13. Houvenaeghel G, Nos C, Giard S, et al.(2009) A nomogram predictive of non-sentinel lymph node involvement inbreast cancer patients with a sentinellymph node micrometastasis. Eur J SurgOncol 35(7): 690–5
Tableau 3. Partition récursive et pro-babilité d’envahissement des GNS
?
Modèles RP-ROC CART
Type RP RP
Seuil ≤ 10 % ≤ 10 %
VariablesTaillede la tumeur
X X
LVI X XTaillede la métas-tasedans le GS
X X
Miseaupoint
Update
309
14. Hwang RF, Krishnamurthy S, Hunt KK,et al. (2003) Clinicopathologic factors pre-dicting involvement of nonsentinel axilla-ry nodes in women with breast cancer.Ann Surg Oncol 10(3): 248–54
15. Kim T, Giuliano AE, Lyman GH (2006) Lym-phatic mapping and sentinel lymph nodebiopsy in early-stage breast carcinoma: ametaanalysis. Cancer 106(1): 4–16
16. Klar M, Jochmann A, Foeldi M, et al.(2008) The MSKCC nomogram for predic-tion the likelihood of non-sentinel nodeinvolvement in a German breast cancerpopulation. Breast Cancer Res Treat112(3): 523–31
17. Kocsis L, Svebis M, Boross G, et al. (2004)Use and limitations of a nomogram pre-dicting the likelihood of non-sentinelnode involvement after a positive sentinelnode biopsy in breast cancer patients.Am Surg 70(11): 1019–24
18. Kohrt HE, Olshen RA, Bermas HR, et al.(2008) New models and online calculatorfor predicting non-sentinel lymph nodestatus in sentinel lymph node positivebreast cancer patients. BMC Cancer 8: 66
19. Lambert LA, Ayers GD, Hwang RF, et al.(2006) Validation of a breast cancer nomo-gram for predicting nonsentinel lymphnode metastases after a positive sentinelnode biopsy. Ann Surg Oncol 13(3): 310–20
20. Meretoja TJ, Leidenius MH, Heikkilä PS,et al. (2012) International multicenter tool
to predict the risk of nonsentinel nodemetastases in breast cancer. J Natl Can-cer Inst 104(24): 1888–96
21. Meretoja TJ, Strien L, Heikkilä PS, et al.(2012) A simple nomogram to evaluatethe risk of nonsentinel node metastasesin breast cancer patients with minimalsentinel node involvement. Ann Surg On-col 19(2): 567–76
22. Nos C, Harding-MacKean C, Freneaux P,et al. (2003) Prediction of tumour involve-ment in remaining axillary lymph nodeswhen the sentinel node in a woman withbreast cancer contains metastases. Br JSurg 90(11): 1354–60
23. Pal A, Provenzano E, Duffy SW, et al.(2008) A model for predicting non-sentinel lymph node metastatic diseasewhen the sentinel lymph node is positive.Br J Surg 95(3): 302–9
24. Perhavec A, Perme MP, Hocevar M, et al.(2010) Ljubljana nomograms for predic-ting the likelihood of non-sentinel lymphnode metastases in breast cancerpatients with a positive sentinel lymphnode. Breast Cancer Res Treat 119(2):357–66
25. Ponzone R, Maggiorotto F, Mariani L,et al. (2007) Comparison of two modelsfor the prediction of nonsentinel nodemetastases in breast cancer. Am J Surg193(6): 686–92
26. Saidi RF, Dudrick PS, Remine SG, et al.(2004) Nonsentinel lymph node status af-ter positive sentinel lymph node biopsy inearly breast cancer. Am Surg 70(2): 101–5; discussion 5
27. Smidt ML, Kuster DM, van der Wilt GJ,et al. (2005) Can the Memorial Sloan-Kettering Cancer Center nomogram pre-dict the likelihood of nonsentinel lymphnode metastases in breast cancer patientsin the Netherlands? Ann Surg Oncol 12(12):1066–72
28. Soni NK, Carmalt HL, Gillett DJ, et al.(2005) Evaluation of a breast cancer no-mogram for prediction of non-sentinellymph node positivity. Eur J Surg Oncol31(9): 958–64
29. Specht MC, Kattan MW, Gonen M, et al.(2005) Predicting nonsentinel node statusafter positive sentinel lymph biopsy forbreast cancer: clinicians versus nomo-gram. Ann Surg Oncol 12(8): 654–9
30. Van Zee KJ, Manasseh DM, BevilacquaJL, et al. (2003) A nomogram for predic-ting the likelihood of additional nodalmetastases in breast cancer patientswith a positive sentinel node biopsy.Ann Surg Oncol 10(10): 1140–51
31. Zgajnar J, Perhavec A, Hocevar M, et al.(2007) Low performance of the MSKCCnomogram in preoperatively ultrasonicallynegative axillary lymph node in breast can-cer patients. J Surg Oncol 96(7): 547–53
Dossier
Them
atic
file
310