http://france.elsevier.com/direct/MEDNUC

Disponible en ligne sur www.sciencedirect.com

Médecine Nucléaire 31 (2007) 656–664

Article original

Détermination par logique floue des volumes tumoraux en TEP :application au suivi de la radio-immunothérapie des lymphomes

Use of PET volume determination by fuzzy logic in the follow up oflymphomas treated by radio-immunotherapy

J.M. Esnault a,*, M. Vermandel b,c, F. Morschhauser d, M. Steinling a,c, D. Huglo a,c

a Service de médecine nucléaire et d’imagerie fonctionnelle, CHRU de Lille, hôpital Claude-Huriez, 59037 Lille cedex, Franceb Inserm, U703, 59000 Lille, France

c Université de Lille-2, UPRES EA 1049, 59000 Lille, Franced Service des maladies du sang, CHRU de Lille, hôpital Claude-Huriez, 59037 Lille cedex, France

Reçu le 5 octobre 2006 ; accepté le 6 decembre 2006

Disponible sur Internet le 28 novembre 2007

Résumé

Objectifs. – Le but de ce travail était de déterminer si l’évaluation des volumes tumoraux par logique floue était envisageable en pratique clinique.Nous l’avons utilisée dans le cadre du suivi de la radio-immunothérapie des lymphomes non hodgkiniens en comparant cette quantification auxvaleurs de Standardized Uptake Value (SUV).Materiels et methodes. – Des examens par TEP au 18F-FDG, avant, puis de façon itérative après traitement, ont été réalisés chez trente patients.L’analyse de 217 lésions a permis d’estimer leurs volumes et SUV. L’évolution de ces paramètres de quantification a été comparée.Resultats. – L’information apportée par les deux paramètres quantitatifs étudiés ne différait pas statistiquement mais il existait des discordancesimportantes pour certains patients. La détermination des volumes était parfois limitée par la localisation tumorale ou la confluence de lésions.Conclusion. – Cette étude a montré la faisabilité de la détermination des volumes tumoraux par méthode floue en pratique clinique. Laquantification permettait de compléter l’analyse visuelle subjective qui suffisait, néanmoins, le plus souvent pour apprécier l’évolutivité de lapathologie. La quantification habituellement fournie par la valeur du SUV pourrait être améliorée par la prise en compte des données volumiques,soit de façon séparée, soit combinant volume et intensité (indice de glycolyse globale). Des travaux ultérieurs sont nécessaires pour préciser lavaleur prédictive de ces paramètres pour le suivi de la radio-immunothérapie des lymphomes non hodgkiniens.# 2007 Publié par Elsevier Masson SAS.

Abstract

Purposes. – The aim of this study was to assess if the evaluation of tumoral volumes by fuzzy logic was workable for clinical use. This study wasperformed with patients followed up for radio-immunotherapy of non-Hodgkin’s lymphomas with a comparison of the respective contributions ofthis quantification and Standardized Uptake Value (SUV).Materials and methods. – Thirty patients underwent 18F-FDG PET before treatment and then in an iterative way. The analysis of 217 lesionsallowed to evaluate their volumes and SUV. The evolution of these parameters of quantification was compared.Results. – These two quantitative parameters did not statistically differ but there were important discrepancies in some examinations. Thedetermination of volumes was sometimes limited by tumoral localization or junction of lesions.Conclusion. – This study proved the feasibility of the determination of tumoral volumes by fuzzy method in clinical use. Quantificationsupplemented the subjective visual analysis, which in most cases was sufficient to appreciate the progression of the disease. This quantification,usually given by the value of the SUV, could be improved by the voluminal data either in a separated way, or combining intensity and volume (totallesion glycolysis). Further work is necessary to specify the predictive value of these parameters in this particular indication.# 2007 Published by Elsevier Masson SAS.

Mots clés : TEP ; Lymphomes malins non hodgkiniens ; Logique floue ; SUV ; Radio-immunothérapie

Keywords: PET; Non-Hodgkin’s lymphomas; Fuzzy logic; SUV; Radio-immunotherapy

* Auteur correspondant. 11, rue de Lourmel, 75015 Paris, France.Adresse e-mail : jm.esnault@laposte.net (J.M. Esnault).

0928-1258/$ – see front matter # 2007 Publié par Elsevier Masson SAS.doi:10.1016/j.mednuc.2006.12.009

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664 657

1. Introduction

En oncologie, la tomographie par émission de positons(TEP) au fluoro-désoxy-glucose (18FDG) fait désormais le plussouvent partie de la démarche diagnostique, au stade initial oulors de la récidive. Sa place dans l’évaluation de la réponse autraitement s’étend progressivement pour certaines tumeurssolides, et elle devient indispensable pour les lymphomes. Cetteplace est définie selon des standards par un niveau de preuve B2[1], en particulier pour l’évaluation précoce de la réponsethérapeutique. La radiothérapie métabolique ou radio-immu-nothérapie (RIT) est cependant un cas particulier, les articlesréférents pour l’évaluation thérapeutique ne s’y rapportant pas.

Il existe actuellement deux traitements commercialisés : Lesanticorps Anti-CD20 couplés à l’iode-131, tositumomab(Bexxar1, distribué par GlaxoSmithKline1) aux USA et lesanticorps Anti-CD20 couplés à l’yttrium-90, ibritumomabtiuxetan (Zevalin1 distribué par Bayer Schering Pharma1)seuls disponibles en Europe. Une troisième possibilitéthérapeutique n’est actuellement disponible que dans le cadred’essais cliniques : il s’agit des anticorps Anti-CD22 humanisésmarqués à l’yttrium 90 (90Y) : epratuzumab (Immunome-dics1).

Le mode d’estimation semi-quantitatif de la fixation du FDGle plus répandu, – avec ses aléas – est le SUV, le plus souventnormalisé par rapport à la masse totale du patient :

SUVðg=mLÞ ¼ CðtÞ �masse corporelle

activite injecte

Comme l’imagerie scanographique ou l’imagerie par resonance

magnetique nucleaire (IRM), la TEP permet d’obtenir une

visualisation en trois dimensions des regions d’interet. Ainsi,

la determination de leur volume est envisageable. La facon la

plus simple est le contourage manuel de l’objet. D’autres

methodes semi-automatiques reposent sur la segmentation de

l’image en utilisant des proprietes communes de differentes

regions. Il s’agit donc de detection de contours utilisant des

techniques variees (seuillage simple, utilisation de filtres

derivatifs. . .).Le but de cette étude était d’évaluer la possibilité

d’appliquer une méthode de détermination des volumestumoraux fondée sur la logique floue, en pratique cliniquequotidienne chez des patients atteints de lymphomes malinsnon Hodgkiniens (LMNH), dans une problématique complexe,l’évaluation de la RIT des LMNH. L’évolution de laquantification volumique déterminée par méthode floue étaitcomparée à l’évolution des valeurs des SUV.

2. Patients, matériels et méthodes

2.1. Patients

Ils sont issus de trois séries de patients atteints de LMNH.

� O

nze patients étaient inclus dans un premier protocole dit« protocole lymphomes agressifs ». Il s’agissait d’une étudede phase II, multicentrique, prospective, en ouvert, non

randomisée, sans groupe témoin, qui évalue l’efficacité, latolérance et la sécurité d’emploi d’un traitement constituépar une dose unique de 14,8 MBq/kg (0,4 mCi/kg) de90Y-ibrituximab tiuxétan chez des patients atteints delymphomes diffus à grandes cellules B en rechute ouréfractaires d’emblée, ne présentant pas d’indication pourune autogreffe de moelle osseuse. Ces patients étaient tousâgés de plus de 60 ans.

� S ix patients atteints de lymphomes folliculaires. Cinq

patients ont été traités selon l’indication d’Autorisation deMise sur le Marché (AMM) du Zevalin1. Le Zevalin1 a reçul’AMM dans le traitement des patients adultes atteints d’unlymphome non hodgkinien à cellules B CD20 positif, de typefolliculaire, en rechute ou réfractaire après traitement par lerituximab. Un patient était issu d’un deuxième protocole dit« protocole lymphomes folliculaires ». Il s’agissait d’uneétude de phase III, multicentrique, prospective, en ouvert,randomisée, versus groupe témoin qui évaluait l’efficacité,la tolérance et la sécurité d’emploi d’un traitement par90Y-ibritumomab tiuxetan versus abstention thérapeutiquechez des patients ayant un lymphome non hodgkinien de typefolliculaire de stade III ou IV en rémission complète oupartielle après une chimiothérapie de première ligne.

� T reize patients inclus dans le cadre d’un protocole pour un

traitement par anticorps Anti-CD22 humanisés marqués àl’yttrium 90 (90Y) : epratuzumab (Immunomedics1). Ils’agissait d’une phase I/II évaluant la sécurité d’emploi, ladose optimale et l’efficacité de l’anticorps monoclonalhumanisé hLL2 radiomarqué à l’yttrium 90, dirigé contrel’épitope CD22 chez des patients atteints de LMNH de typeB, âgés de plus de 18 ans, présentant au moins une lésion deplus de 1,5 cm.

2.2. Matériels

Les données ont été acquises par un PET Advance1

General Electric1, dont les détecteurs sont en germanate debismuth (BGO). Sa résolution spatiale Largeur à Mi Hauteur(LMH) théorique en mode 2D est respectivement de 4,2, 5,5et 7,4 mm à 0, 10 et 20 cm du centre pour la résolution axialeet 5,1, 5,7 et 7,2 mm respectivement à 1, 10 et 20 cm ducentre pour la résolution transaxiale. Le champ d’étude estd’environ 15 cm dans l’axe crâniocaudal et l’acquisitioncomprend 35 coupes transverses de 4,25 mm d’épaisseur.Lorsque plusieurs pas sont réalisés, il existe une coupecommune aux deux pas. Le mode d’utilisation en pratiqueclinique quotidienne est le mode 2D, bien que le mode 3D aitété installé. Il existe des méthodes de correction de lagéométrie, de la décroissance, du temps mort et de ladiffusion qui sont appliquées par défaut. La reconstructionutilise les méthodes itératives de type Ordered SubsetExpectation Maximisation (OSEM) avec 28 sous ensembleset deux itérations. Il existe une correction de l’atténuation(utilisant des sources de germanium 68) et la normalisationest réalisée à partir d’une calibration effectuée pendant lamaintenance.

Fig. 2. « Contourage » semi-automatique par seuillage (les pointillés rougesreprésentent une limite extrême définie manuellement ; le trait jaune montre lecontourage déduit par le logiciel selon un seuil prédéterminé).Fig. 2. Semi-automatic delineation by thresholding (red dotted lines representan extreme border defined manually; yellow line shows the delineation deduc-ted by software from a predetermined threshold).

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664658

2.3. Méthodes

2.3.1. ExamensChaque patient a eu un examen par TEP dans le mois

précédent la RIT puis un suivi par TEP de six semaines, 12semaines et six mois après le traitement. Une TEP plus tardive aégalement pu être réalisée. Pour chaque patient, toutes leslésions ont été prises en compte jusqu’à trois. Au-delà de troislésions, une sélection a été effectuée en choisissant les lésionsles plus remarquables soit par leur volume, soit par leurintensité, soit par leur évolution.

2.3.2. Détermination des volumes2.3.2.1. Principe de la logique floue. La logique floue a étédéveloppée par Zadeh [2] pour représenter et traiter desconnaissances imprécises, où le mode binaire ne pouvait suffire[3,4]. La base de cette théorie repose sur le fait qu’à ladifférence de la logique classique où un élément appartient oun’appartient pas à un ensemble, cet élément prendra en logiquefloue la valeur d’une fonction d’appartenance à cet ensemble,comprise entre 0 et 1. Initialement utilisée en imagerie pour lafusion d’image entre modalités différentes [5,6], elle a étéégalement utilisée pour la segmentation automatique à partir del’attribution pour chaque voxel d’un degré d’appartenance àune classe [7]. Le but est de définir pour chaque coupe unerégion dans laquelle on est sûr que tous les voxels appartiennentau volume (degré d’appartenance = 1), et une région maximaleau-delà de laquelle tous les voxels sont en dehors (degréd’appartenance = 0). Le degré d’appartenance des voxels de lazone intermédiaire est obtenu en utilisant la théorie des

Fig. 1. Visualisation en trois dimensions d’une lésion rénale droite dont lescontours sont définis grâce à la logique classique par seuillage (volumereprésenté par le maillage rouge) et grâce à la logique floue (volume pleinjaune).Fig. 1. Three dimensions visualization of a right renal lesion whose delinea-tion is defined by traditional logic by thresholding (red grid volume) and byfuzzy logic (yellow full volume).

possibilités, formalisant en logique floue les incertitudes sur lesévènements (Fig. 1).

2.3.2.2. Application logicielle. Les méthodes de segmenta-tion par logique floue ont été développées sur Artimed, uneplateforme logicielle développée par l’institut de TechnologieMédicale (ITM) de Lille et validée pour l’IRM [8,9], avantl’application à la TEP.

Les volumes ont été définis en deux étapes : la premièreétape a été celle du contourage semi-automatique de la lésion àpartir de la définition d’un seuil (représenté Fig. 2). Une régiond’intérêt (ROI) de forme géométrique circulaire, rectangulaireou triangulaire est proposée pour entourer la lésion. Sur un

Fig. 3. Schéma théorique d’une lésion TEP avec un contourage initial (rouge)déterminé par seuillage. Celui-ci est érodé (vert), permettant de déterminer desvoxels appartenant de façon sûre à la lésion (fonction d’appartenance = 1). Il estégalement dilaté (bleu), permettant de déterminer des voxels n’appartenant pasà la lésion (fonction d’appartenance = 0). Selon un degré d’appartenance entre0 et 1 prédéterminé sur la fonction d’appartenance schématisée par une courbesigmoïde, on déduit le volume flou final (rose).Fig. 3. Theoretical diagram of a PET lesion with an initial delineation (red)determined by thresholding. This one is eroded (green), allowing to determinevoxels belonging to lesion (membership function = 1). It is also dilated (blue),allowing to determine voxels not belonging to lesion (membership func-tion = 0). With a predetermining degree of membership between 0 and 1 onthe membership function (sigmoid curve) we derive the final fuzzy volume(pink).

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664 659

nombre de coupes adjacentes prédéfinies, le logiciel déterminele voxel d’intensité maximale. Un seuil relatif à cette intensitémaximale en pourcentage est choisi puis appliqué surl’ensemble des coupes sur la ROI géométrique reproduitesur chaque coupe. Ce seuil a été modifié selon le contraste de lalésion (de 15 à 60 %). À partir de la session de contourageprécédemment créée, la plateforme logicielle Artimed permetde déterminer la valeur du volume obtenu par seuillage simple,dit « classique » (par opposition aux volumes calculés parméthode floue). Les volumes déterminés par logique floue sontcalculés à partir de ce volume. Le contour initial est dilaté etérodé, ce qui permet de s’affranchir des incertitudes de laméthode de seuillage, et en particulier de la difficulté dedéterminer un seuil optimal fonction du contraste de la lésion.L’analyse est dans un premier temps bidimensionnelle : lafonction d’appartenance choisie intuitivement est une courbesigmoïde qui suit la direction du gradient des contours (Fig. 3).Le degré d’appartenance est ensuite pondéré en fonction ducontraste local : on accorde plus de confiance aux zones àcontraste élevé. L’analyse est par la suite tridimensionnelle : levolume est sur-échantillonné, de manière à calculer un degréd’appartenance tenant compte de l’intensité du signal dans lescoupes adjacentes et de la position de la coupe en relation avecla structure étudiée (tenant ainsi compte de l’effet de volumepartiel). Au final, le volume déterminé par logique flouecorrespond à l’ensemble des voxels dont le degré d’apparte-nance est supérieur à une valeur modulable, ici fixée à la valeurmédiane, soit 0,5 (Fig. 4). Deux volumes sont donc obtenuspour chaque lésion : sa valeur classique et sa valeur déterminéepar logique floue.

2.3.3. Détermination des SUVLes SUV maximal et moyen rapportés au poids du patient et

exprimés en g/mL ont été calculés sur la console de traitement del’appareil PETAdvance. Le SUVmax (maximal) de chaque lésion

Fig. 4. Logiciel permettant la détermination des volumes par méthodes classiqueFig. 4. Software allowing determination of volumes by classical and fuzzy meth

étudiée a d’abord été déterminé ainsi que les SUVmax des deuxcoupes adjacentes. Autour de ces trois SUVmax, ont été calculétrois SUVmoy (moyen) sur des ROI de neuf voxels incluant leSUVmax. Compte tenu de la similitude des résultats entre leSUVmax d’une lésion, la moyenne des trois SUVmax d’une lésionet la moyenne des trois SUVmoy (moySUVmoy), seule cettedernière donnée a finalement été retenue. Ce moySUVmoy

correspond donc à un SUVmoy calculé sur 27 voxels.

2.3.4. Analyse des donnéesPour étudier la réponse au traitement, les variations au cours

des différents examens des valeurs de moySUVmoy et devolumes ont été calculées. Ainsi pour une valeur X1

représentant la mesure faite lors de la première TEP et unevaleur X2, la mesure de la même lésion lors d’une TEPultérieure, la mesure de la variation relative étaitDX = (X2�X1) / X1. Pour chaque mesure de l’évolution d’unelésion, trois valeurs étaient donc obtenues : la variation desmoySUVmoy (DSUV), la variation des volumes (DVol) déterminéssoit par segmentation par seuillage (DVol-clas), soit par logiquefloue (DVol-LF). Le sens de variation de l’évolution des volumes(DVol-clas et DVol-LF) a été comparé au sens d’évolution desmoySUVmoy (DSUV). Des tests de corrélation linéaire de Pearsonont été réalisés entre les évolutions de ces deux donnéesquantitatives. Ces coefficients ont été testés par un test dit « detendance linéaire » qui revenait à tester l’hypothèse nulle r = 0(r, coefficient de corrélation). Ce test suivait une distribution deStudent à n�2 degrés de liberté. En présence d’une corrélationsignificative, il était licite de chercher s’il existait réellementune différence significative entre les DSUV et les DVol par destests de Student entre séries appariées.

Pour une comparaison croisée de l’évolution des moySUVmoy

et des volumes des lésions, les lésions ont été classées en stables,en progression ou en diminution. Pour les moySUVmoy, la stabilitécorrespondait à un DSUV compris entre 0,85 et 1,20 (diminution

et floue. Exemple de calcul et de visualisation d’une lésion par logique floue.ods. Example of computing and visualization a lesion by fuzzy logic.

Fig. 5. Distribution de l’évolution des moySUVmoy et des volumes flous (quatrecouples de points dont l’une des valeurs était supérieure à 400 % ne sont pasreprésentés).Fig. 5. Distribution of the meanSUVmean and fuzzy volumes evolution (fourpaired points with values higher than 400% are not represented).

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664660

de moins de 15 % ou progression de moins de 20 %), alors quepour les volumes, le critère de stabilité a été fixé à 30 % (DVol

compris entre 0,70 et 1,30), correspondant à une variation de10 % du rayon de la tumeur assimilée à une sphère.

3. Résultats

Trente patients ont été inclus. Une patiente n’a finalementpas été retenue pour la réalisation de cette étude compte tenu dela complexité de l’évolution de sa pathologie (disparition totaledes lésions initiales et apparition de multiples nouvelleslésions). Les moySUVmoy et les volumes ont été déterminés pour71 lésions suivies (de un à neuf par patient). La répétition desexamens pour chaque patient a permis l’observation de 217lésions. Les valeurs moyennes pour l’ensemble des lésionsétudiées itérativement ont été calculées : le volume moyendéterminé par méthode classique était de 26,27 mL et de18,44 mL par méthode floue. Selon un test de Student entreséries appariées, les volumes classiques étaient significative-ment supérieurs aux volumes flous pour un risque de premièreespèce a = 0,05 (t216 = 4,08 soit p < 10�3).

Cent quarante-six mesures évolutives (DSUV, DVol-clas et DVol-

LF) ont été réalisées. Une première analyse des discordancesréalisée entre les résultats obtenus pour les volumes flous et lesmoySUVmoy montrait que la variation était orientée dans lemême sens dans la majorité des cas (107 cas) et dans des sensopposés dans 39 cas : dans 25 cas, le volume diminuait alors quele moySUVmoy augmentait et la situation inverse était observéedans 14 cas.

Une illustration de la distribution des DSUV et des DVol-LF estreprésentée Fig. 5. L’existence de corrélations entre les DSUV etles DVol a été mise en évidence par un test de corrélation linéairede Pearson (r = 0,57 en méthode classique et r = 0,46 parméthode floue, p < 10�3 dans les deux cas).

Il n’existait pas de différence statistiquement significativeentre les DSUVet les DVol estimés par méthode floue ou classique(un test entre séries appariées t145 est respectivement estimé à0,785 et 0,676 soit p = 0,43 et p = 0,50).

Une étude plus complète des variations des volumesdéterminés par méthode floue (DVol-LF) par rapport auxvariations de moySUVmoy (DSUV) est présentée dans le Tableau1. La tendance globale d’évolution dans le même sens desvolumes et des moySUVmoy est retrouvée. Les moySUVmoy

Tableau 1Comparaison de l’évolution des moySUVmoy et des volumes calculés selon la méthTable 1Comparison of evolution of meanSUVmean and volumes computed by the fuzzy me

Variations des volumes

Variation des moySUVmoy Diminution duvolume > 30 %80/146 = 55 %

Diminution >70 % 33/146 = 23 % 31Diminution entre 40 et 70 % 37/146 = 25 % 22Diminution entre 15 et 40 % 31/146 = 21 % 14Variation entre �15 et 20 % 22/146 = 15 % 5Augmentation > 20 % 23/146 = 16 % 8

diminuaient dans 69 % des cas : les volumes déterminés parlogique floue diminuaient dans 66 % de ces cas et restaientstables dans 21 % de ces cas. Inversement, il existait donc uneaugmentation des volumes avec diminution de la valeur desmoySUVmoy dans 13 % des cas. De même, lorsqu’uneprogression des moySUVmoy était observée (16 % des cas), lavariation des volumes n’apparaissait pas corrélée : progressiondans un tiers des cas, stabilité dans un second tiers et diminutiondans le dernier tiers.

4. Discussion

Le but principal de ce travail était d’étudier l’applicabilitéd’une méthode de détermination de volumes reposant sur lalogique floue, développée et validée en IRM [8,9], dans lamodalité TEP et en pratique clinique quotidienne. Si cela s’estavéré possible dans la majorité des cas, la déterminationvolumique est cependant apparue difficile, voire impossiblepour certaines lésions, en particulier si la lésion était tropproche d’hyperfixations physiologiques rénales ou vésicales. Il

ode floue

thod

Variation duvolume entre �30 et30 % 36/146 = 25 %

Augmentation duvolume > 30 %30/146 = 20 %

2 09 610 78 97 8

Fig. 6. Illustration de la difficulté du suivi de lésions : lésions involutives ausecond examen, tandis qu’il en apparaît d’autres (patiente non incluse dansl’étude).Fig. 6. Illustration of the difficulty of lesions follow-up: lesions disappearingin the second exam, while different ones appear (patient not included in study).

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664 661

s’agit d’ailleurs d’un obstacle au suivi des patients en pratiqueclinique par cette méthode. Dans d’autres cas, les lésions sontconfluentes et donc impossibles à suivre individuellement, maisla détermination d’un volume global reste envisageable. Enrevanche, sur le plan technique, aucune difficulté n’a étérencontrée et le temps de calcul d’un volume par logique flouepeut être estimé à cinq minutes.

Bien que le sujet du travail ne soit pas la comparaison desvolumes déterminés soit par logique floue, soit par segmenta-tion par seuillage, les deux valeurs étant obtenues, lacomparaison est possible. Les résultats montrent que lesvolumes déterminés par seuillage sont significativement plusélevés que ceux déterminés par logique floue. Cela résulte dedivers éléments. L’évaluation des volumes par seuillage n’a pasrésulté d’une application constante d’un seuil prédéterminé :l’analyse visuelle conjointe a adapté le seuil aux différenteslésions en tenant compte du contraste de la lésion. Cetteopération était nécessairement subjective et dépendante del’opérateur. On a ainsi pu observer en scanographie parcontourage manuel une variabilité inter-observateur de l’ordrede 15 %, alors que la variabilité intra-observateur est d’environ6 % et que la différence avec le volume réel est de 3 à 5 %[10,11]. Pour le seuillage simple, Erdi et al. [12] soulignent quele problème essentiel est celui de la détermination du seuil parrapport au voxel maximal. Celui-ci dépend en effet du contraste[13] qui devrait théoriquement intervenir pour la déterminationde ce seuil. Des études avec un seuil à 30 % ont montré unecorrélation avec les valeurs scanographiques [12,14], mais cettecorrélation dépendait de l’état métabolique des tumeurs,soulignant la différence entre un volume morphologique etun volume fonctionnel. Pour les volumes déterminés parlogique floue, il existe une moindre dépendance à l’opérateurpuisque le contour initial ne sert qu’à définir la zone floue àpartir de laquelle sera définie le contour final. D’autresparamètres sont pris en compte par la méthode tels que larésolution de l’appareil ou le contraste local. Le seul autreparamètre laissé au choix de l’opérateur est la probabilitéd’appartenance : plus elle sera faible, plus le volume obtenusera grand. La valeur médiane de 0,50 apparaît dès lors la pluslogique et, lors d’études expérimentales, les volumes obtenussuffisamment proches des volumes réels pour être utilisée enpratique [7].

Le second objectif de ce travail était de rechercher, dans uneproblématique clinique donnée, l’apport que pourrait avoir lesmesures de volumes tumoraux en TEP au FDG par rapport auxhabituels SUV. En effet, l’intérêt du FDG dans l’évaluationprécoce de la réponse thérapeutique n’est plus à démontrer, enparticulier dans les lymphomes [15–18]. Souvent l’analysevisuelle est suffisante, en particulier quand il s’agit d’évaluerl’efficacité d’une chimiothérapie. L’évaluation par le FDG de laréponse à la RIT des LMNH a été moins étudiée, la fixation duFDG pouvant décroître graduellement chez les patientsrépondeurs [19]. Cela constituait un atout pour ce travailpuisque l’on pouvait ainsi disposer d’une base de données desuivis de lésions au cours du temps, d’autant plus que cespatients étaient suivis à intervalles réguliers et rapprochés. Deplus, la réponse à la RIT étant moins univoque que celle

observée après chimiothérapie, plusieurs lésions d’un mêmepatient peuvent évoluer de façon très différente. Pouvant ainsiêtre étudiés de manière distincte, le nombre global de lésions etde suivis évolutifs devient suffisant pour une analysestatistique.

Malgré tout, lorsque le nombre de lésions d’un patient étaittrop important (plus de trois), une sélection des lésions a dû êtreréalisée, en ne gardant que celles qui étaient les plusreprésentatives. Dans un cas, cependant, la patiente a du êtreexclue car les examens avant et après la RIT étaient tropdiscordants, les lésions initiales ayant disparu mais avecapparition de multiples nouvelles lésions (Fig. 6).

Le choix du SUV comme référence est bien sûr critiquable,les causes de variation de cet indice étant nombreuses [20,21].Cependant, lors du suivi d’un patient, certains paramètres liésau patient peuvent être considérés comme stables et, sousréserve de conditions d’acquisitions voisines (appareil, moded’acquisition et types de reconstruction, temps d’attente. . .), le

Fig. 7. Il existe entre ces deux examens une progression de la maladieconcernant l’articulation sacro-iliaque droite et l’hémibassin droit. La progres-sion volumique selon le volume flou est de 844 % tandis que le moySUVmoy necroît que de 58 %.Fig. 7. Progression of the disease between these two examinations (rightsacro-iliac joint and right ilium). The volume progression according to the fuzzyvolume is 844% while the meanSUVmean grows only by 58%.

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664662

SUV peut être considéré comme fiable pour un suivi quantitatif,par exemple, après chimiothérapie [22,23]. Le SUV choisi, ici,utilise la masse corporelle du sujet alors que les SUV utilisant lamasse maigre ou la surface corporelle sont moins dépendantsdes paramètres staturopondéraux du patient. Cependant, ceSUV reste le plus facilement compréhensible et le plus utilisé etle fait de n’étudier que les variations de SUV d’un même patientrend probablement ces causes de variation moins critiques. Demême, le SUV n’a pas été corrigé selon la glycémie, cettecorrection restant controversée. Certains préconisent l’utilisa-tion du SUVmax d’une lésion car, étant unique pour un examendonné, il est indépendant de l’opérateur. De plus, du fait decontingents cellulaires différents au sein de la tumeur, leSUVmax tiendrait compte de l’évolutivité la plus élevée [24].Cependant, ce SUVmax est plus dépendant des fluctuationsstatistiques, le SUVmoy corrigeant cet effet [25]. La taille de larégion d’intérêt devient alors le problème essentiel. Nous avonschoisi pour cette étude une taille de neuf voxels. Une taille nonfixe définie selon le volume tumoral aurait pu être mieuxadaptée aux différents volumes étudiés. Sa reproductibilité estcependant aussi bonne que celle du SUVmax compte tenu du faitque le voxel de SUVmax est compris dans la ROI et que la valeurmaximale de cette région d’intérêt a été choisie. Il faut,cependant, souligner la difficulté pratique de cette mesure enl’absence de logiciel permettant sa détermination automatique.Tous les calculs ont été réalisés avec les deux types de SUV(SUVmax et SUVmoy), mais les résultats obtenus n’étant passuffisamment différents, les résultats n’ont été présentésqu’avec un seul, le plus robuste, correspondant au moySUVmoy.

Pour apprécier l’évolution des foyers d’hyperfixation d’unexamen à l’autre, les variations relatives ont été calculées.L’évolution d’un paramètre n’a été considérée comme signi-ficative qu’au-delà d’une valeur seuil : pour les moySUVmoy, lastabilité a été définie comme l’absence de diminution au-delà de15 % et l’absence de progression au-delà de 20 % etcorrespondait à 15 % des cas. Le seuil de stabilité pour lesvolumes a été choisi à 30 %, ce qui correspondait à 24 % des cas.Globalement, les SUV et les volumes évoluaient dans le mêmesens, mais avec des différences ponctuelles. Certaines de cesdiscordances apparaissent évidentes sur les images (Figs. 7 et 8)et tendent à prouver qu’il s’agit malgré tout d’informationscomplémentaires. Dans la majorité des cas (69 %), le SUVdiminuait et pour une petite part de ces cas (13 %), curieusementle volume augmentait. De même, il y avait 16 % de progressiondes SUV sans réelle concordance avec l’évolution des volumes(dans un tiers des cas, les volumes croissaient, dans un tiers ilsdécroissaient et dans un tiers ils restaient stables).

Une recherche de corrélation entre l’évolution des différentsvolumes et celle des SUV montre l’existence d’une tendancelinéaire significative. On note une augmentation du coefficientde corrélation lorsque le volume est plus largement défini (enfait par méthode classique). Les valeurs ainsi déterminéesmontrent sans surprise une liaison, mais aussi une absence dedifférence significative pour l’évolution selon un test de Studententre les séries appariées.

Il semble donc intéressant de combiner les deux informa-tions volumiques et de SUV pour une description quantitative

optimale de la lésion. Seules quelques études ont essayé endehors du simple SUV de dégager un indice global donnant uneindication à la fois sur l’intensité de fixation et sur le volume.D’abord envisagée avec des méthodes dynamiques [26], ils’agissait d’une méthode globale Total Lesion Evaluation(TLE) calculant un index métabolique global (Ki) et un indexvolumique correspondant au nombre de voxels. Un indice deglycolyse lésionnelle globale Total Lesion Glycolysis (TLG) aété défini comme le produit du SUV moyen et du volume d’unelésion [27]. La variation de cet indice a été utilisée pourl’évaluation de la réponse à la chimiothérapie chez 41 patientsatteints de cancers aérodigestifs et le suivi de cancers en coursde radiothérapie [28]. Le TLG et le volume mesuré par TEP ontété comparés au volume scanographique pour 57 métastases delésions rénales chez six patients [29]. Une corrélation a étéobtenue entre les volumes TEP et les volumes scanographiques,mais la corrélation était plus élevée avec le TLG.

Fig. 8. Il existe entre ces deux examens une progression de la maladieconcernant les régions lymphatiques sus claviculaires et axillaires droites.La progression volumique selon le volume flou est respectivement de 270 %et de 116 % tandis que le moySUVmoy décroît de 43 % et de 46 %.Fig. 8. Progression of the disease between these two examinations forlymphatic areas (right supraclavicular nodes and right axillary nodes). Thevolume progression according to the fuzzy volume is respectively 270% and116% while the meanSUVmean decreases by 43% and 46%.

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664 663

5. Conclusion

Cette étude a permis de montrer que non seulement les SUV,mais aussi les volumes déterminés par une méthode basée sur lalogique floue, sont facilement calculables en routine etapportent une information statistiquement liée. Il existecependant des discordances importantes à propos de certainsdossiers cliniques.

L’aspect visuel suffit en général pour décider sur le planmédical s’il existe une réponse complète, partielle ou uneprogression. Si une quantification s’avérait nécessaire, ellegagnerait sûrement à prendre en compte intensité et volume,soit de façon séparée, soit combinée dans un indice globalcomme le TLG.

Les examens où des discordances ont été observées méritentd’être mieux analysés, afin de déterminer l’origine de cesdiscordances et/ou le caractère prédictif d’une évolutionclinique spécifique, pour peut-être mieux éclairer l’effetthérapeutique de la RIT.

Références

[1] Bourguet P. Groupe de Travail SOR. Standards, Options and Recommen-dations for the use of PET-FDG in cancerology. Bull Cancer 2003;90:88–95.

[2] Zadeh LA. Fuzzy sets. Information and control 1965;8:333–53.[3] Bouchon-Meunier B. La logique floue et ses applications. France: Addi-

son-Wesley Éditions; 1995.[4] Bouchon-Meunier B. La logique floue, 3rd ed., Paris: Presse universitaires

de France; 1998.[5] Barillot C, Lemoine D, Le Briquer L, Lachmann F, Gibaud B. Data fusion

in medical imaging: merging multimodal and multipatient images, iden-tification of structures and 3D display aspects. Eur J Radiol 1993;17:22–7.

[6] Boussion N, Cinotti L, Barra V, Ryvlin P, Mauguiere F. Extraction ofepileptogenic foci from PET and SPECT images by fuzzy modeling anddata fusion. NeuroImage 2003;19(3):645–54.

[7] Huglo D. Détermination des volumes fonctionnels des tumeurs en tomo-graphie par émission de positons [Thèse de Doctorat]. Université du droitet de la santé, Lille-2. Faculté de médecine Henri Warembourg; 2005.

[8] Caudrelier JM, Vial S, Gibon D, Kulik C, Fournier C, Castelain B, et al.MRI definition of target volumes using fuzzy logic method for three-dimensional conformal radiation therapy. Int J Radiat Oncol Biol Phys2003;55:225–33.

[9] Vial S, Gibon D, Vasseur C, Rousseau J. Volume delineation by fusion offuzzy sets obtained from multiplanar tomographic images. IEEE TransMed Imaging 2001;20:1362–72.

[10] Breiman RS, Beck JW, Korobkin M, Glenny R, Akwari OE, Heaston DK,et al. Volume determinations using computed tomography. AJR Am JRoentgenol 1982;138:329–33.

[11] Heymsfield SB, Fulenwider T, Nordlinger B, Barlow R, Sones P, Kutner M.Accurate measurement of liver, kidney, and spleen volume and mass bycomputerized axial tomography. Ann Intern Med 1979;90:185–7.

[12] Erdi YE, Mawlawi O, Larson SM, Imbriaco M, Yeung H, Finn R, et al.Segmentation of lung lesion volume by adaptive positron emissiontomography image thresholding. Cancer 1997;80:2505–9.

[13] Huglo D, Vermandel M, Rousseau J, Vasseur C, Steinling M. Limites desméthodes de seuillage pour la détermination des volumes en Tomographied’Emission de Positons. Med Nucl 2004;28:155–62.

[14] Zasadny KR, Kison PV, Francis IR, Wahl RL. FDG-PET Determination ofMetabolically Active Tumor Volume and Comparison with CT. ClinPositron Imaging 1998;1:123–9.

[15] Romer W, Hanauske AR, Ziegler S, Thodtmann R, Weber W, Fuchs C,et al. Positron emission tomography in non-Hodgkin’s lymphoma :assessment of chemotherapy with fluorodeoxyglucose. Blood 1998;91:4464–71.

[16] Kostakoglu L, Coleman M, Leonard JP, Kuji I, Zoe H, Goldsmith SJ. PETpredicts prognosis after 1 cycle of chemotherapy in aggressive lymphomaand Hodgkin’s disease. J Nucl Med 2002;43:1018–27.

[17] Spaepen K, Stroobants S, Dupont P, Vandenberghe P, Thomas J, de Groot T,et al. Early restaging positron emission tomography with (18)F-fluorodeo-xyglucose predicts outcome in patients with aggressive non-Hodgkin’slymphoma. Ann Oncol 2002;13:1356–63.

[18] Torizuka T, Nakamura F, Kanno T, Futatsubashi M, Yoshikawa E, Okada H,et al. Early therapy monitoring with FDG-PET in aggressive non-Hodgkin’slymphoma and Hodgkin’s lymphoma. Eur J Nucl Med Mol Imaging2004;31:22–8.

[19] Torizuka T, Zasadny KR, Kison PV, Rommelfanger SG, Kaminski MS,Wahl RL. Metabolic response of non-Hodgkin’s lymphoma to 131I-anti-B1 radioimmunotherapy: evaluation with FDG PET. J Nucl Med2000;41:999–1005.

J.M. Esnault et al. / Médecine Nucléaire 31 (2007) 656–664664

[20] Huglo D. Quantification de la fixation tumorale du Fluoro-Déoxyglucose.Med Nucl 2002;26:175–88.

[21] Buvat I. Les limites du SUV. Méd Nucl 2007;31:165–72.[22] Weber WA, Petersen V, Schmidt B, Tyndale-Hines L, Link T, Peschel C.

Positron emission tomography in non-small-cell lung cancer: prediction ofresponse to chemotherapy by quantitative assessment of glucose use.J Clin Oncol 2003;21:2651–7.

[23] Bourguet P. Use of PET for evaluation of treatment response in oncology.Cancer Radiother 2006;10:334–7.

[24] Erdi YE, Macapinlac H, Rosenzweig KE, Humm JL, Larson SM, Erdi AK,et al. Use of PET to monitor the response of lung cancer to radiationtreatment. Eur J Nucl Med 2000;27:861–6.

[25] Calvo R, Marti-Climent JM, Richter JA, Penuelas I, Crespo-Jara A,Villar LM, et al. Three-dimensional clinical PET in lung cancer: validationand practical strategies. J Nucl Med 2000;41:439–48.

[26] Wu HM, Hoh CK, Huang SC, Yao WJ, Phelps ME, Hawkins RA.Quantification of serial tumor glucose metabolism. J Nucl Med1996;37:506–13.

[27] Larson SM, Erdi Y, Akhurst T, Mazumdar M, Macapinlac HA, Finn RD,et al. Tumor Treatment Response Based on Visual and QuantitativeChanges in Global Tumor Glycolysis Using PET-FDG Imaging. TheVisual Response Score and the Change in Total Lesion Glycolysis. ClinPositron Imaging 1999;2:159–71.

[28] Eary JF, Krohn KA. Positron emission tomography: imaging tumorresponse. Eur J Nucl Med 2000;27:1737–9.

[29] Akhurst T, Ng VV, Larson SM, O’Donoghue JA, O’Neel J, Erdi Y, et al.Tumor Burden Assessment with Positron Emission Tomography with 18-F 2-fluoro 2-deoxyglucose (FDG PET) modeled in metastatic renal cellcancer. Clin Positron Imaging 2000;3:57–65.