Discussion
L’IRM est un outil bien établi pour la détection et la stadification locale des tumeurs des tissus mous. Cependant, sa capacité à différencier les lésions bénignes et malignes des tissus mous s’est avérée très variable . En utilisant des critères morphologiques pour les lésions bénignes, tels que des marges lisses et bien définies, une petite taille et un SI homogène, en particulier sur l’image T2WI, l’IRM est capable de différencier >90% des masses bénignes des masses malignes. Une autre étude, cependant, a noté que les lésions malignes peuvent apparaître comme des masses homogènes aux marges lisses et que l’IRM ne pouvait donc pas distinguer de manière fiable les processus bénins des processus malins.
Les résultats de la RM ont été évalués individuellement ou ensemble pour leur capacité à différencier les lésions bénignes des lésions malignes. Par exemple, une taille plus importante a été associée à une plus grande hétérogénéité et à une plus grande probabilité de malignité, avec seulement 5% des tumeurs bénignes des tissus mous >5 cm de diamètre. En outre, la plupart des tumeurs malignes sont situées en profondeur, alors qu’elles ne représentent qu’environ 1 % de toutes les tumeurs bénignes des tissus mous. Nos résultats ne sont pas cohérents avec ces rapports. Dans nos cas, 43% des tumeurs bénignes des tissus mous avaient un diamètre >5 cm et, de même, 57% des tumeurs bénignes des tissus mous étaient profondément localisées.
Une analyse statistique multivariée de 10 paramètres d’imagerie, individuellement et en combinaison, a montré qu’un SI élevé sur T2WI, un diamètre >33 mm et un SI hétérogène sur les images RM pondérées en T1 prédisaient la malignité avec la plus grande sensibilité . Les signes ayant la plus grande spécificité pour la malignité comprenaient la nécrose tumorale, l’atteinte osseuse ou neurovasculaire et un diamètre moyen >66 mm. Bien que de nombreux résultats de l’IRM soient considérés comme des critères importants pour le diagnostic des tumeurs malignes des tissus mous, la marge de la tumeur, sa forme, ainsi que le degré et le modèle de rehaussement sont moins utiles en pratique clinique. La plupart des tumeurs des tissus mous ont des marges bien définies, sont de forme ovale ou globulaire et ont des schémas de rehaussement variables, qu’elles soient bénignes ou malignes.
L’évaluation des images IRM par des radiologues expérimentés avec une approche centralisée s’est avérée donner de meilleurs diagnostics des tumeurs des tissus mous . Cependant, de nombreux radiologues ou cliniciens responsables du traitement des patients présentant des lésions des tissus mous dans la pratique initiale peuvent être non-experts dans le diagnostic des tumeurs des tissus mous. Parfois, ils excisent par erreur une masse sans envisager la possibilité d’une malignité ou sans effectuer de biopsie pré-excision. Dans ce cas, ces radiologues et cliniciens ont besoin d’une approche simplifiée pour différencier les tumeurs bénignes et malignes des tissus mous. Nous n’avons donc retenu que trois paramètres majeurs – localisation profonde, grande taille et SI hétérogène sur T2WI – qui ont tous montré des différences statistiquement significatives entre les masses bénignes et malignes lors de l’analyse univariée. Cependant, lors de l’analyse multivariée, la profondeur n’était pas un facteur indépendant permettant de distinguer les lésions bénignes des lésions malignes. Cela a été quelque peu surprenant car, en général, la localisation profonde par rapport au fascia de placement superficiel a été diagnostiquée pour les tumeurs malignes des tissus mous, ainsi que pour le pronostic des patients . Des résultats similaires, ne montrant aucune association significative entre la profondeur de la lésion et le sous-groupe de diagnostic, ont été rapportés précédemment .
Pour déterminer l’approche d’imagerie systématique simplifiée optimale, nous avons testé deux combinaisons systématiques, classées par ordre d’importance parmi ces trois paramètres. Nous avons constaté que l’une d’elles, classée dans l’ordre SI-size-profondeur, était supérieure à l’autre, classée dans l’ordre taille-SI-profondeur, ce qui a permis d’obtenir des valeurs diagnostiques plus élevées pour la malignité. En utilisant cette approche systématique simplifiée, nous avons observé une spécificité et une précision comparables, ainsi qu’une sensibilité acceptable, au dépistage initial, bien que les valeurs prédictives positives et négatives ne soient pas aussi élevées. Nous avons constaté que le groupe D, constitué de grandes lésions homogènes de localisation profonde, contenait la plus grande proportion de lésions bénignes, car ce groupe contenait de nombreux lipomes et fibromatoses de grande taille, dont le diamètre variait de 5,5 à 21,0 cm. Les groupes G et H, composés de grandes lésions hétérogènes, contenaient la plus grande proportion de tumeurs malignes (67/102), indépendamment de la profondeur. La plupart de ces grandes lésions hétérogènes étaient des liposarcomes (n=16) ; les autres sarcomes étaient des histiocytomes fibreux malins (n=7), des myxofibrosarcomes (n=5), des sarcomes synoviaux (n=5) et des rhabdomyosarcomes (n=3) ; et des métastases (n=3).
Cette étude comportait plusieurs limites. En raison de sa conception rétrospective, il y avait une certaine variabilité dans les paramètres IRM. La taille de l’échantillon était modeste car l’échantillon de patients provenait d’un centre régional d’oncologie, et il y avait une possibilité de biais de sélection dans la mesure où nous n’avons pas exclu les tumeurs originaires de la peau, comme les mélanomes. L’inscription des cas confirmés histologiquement constituait un autre biais de sélection, car les lésions manifestement bénignes qui ne nécessitaient pas de biopsie ou d’excision chirurgicale pouvaient être omises. Nous avons également inclus les lipomes, qui, bien que de grande taille et parfois profondément localisés, sont bénins. Ainsi, cette approche systématique simplifiée de l’imagerie pourrait être appliquée aux lipomes de grande taille ou profondément localisés ainsi qu’aux tumeurs malignes de grande taille ou profondément localisées, même si les lipomes ne posent généralement pas de dilemme diagnostique avec une utilisation appropriée des séquences T1, T2 et supprimées de la graisse. En outre, d’autres résultats d’IRM peuvent aider à différencier les lésions bénignes des lésions malignes, notamment le schéma de rehaussement de la tumeur et l’invasion des structures environnantes telles que les os ou les vaisseaux. Bien que ce dernier aspect soit un prédicteur important de malignité, il est également rare, et nous ne l’avons donc pas inclus dans notre analyse. Nous avons utilisé l’hétérogénéité uniquement sur le T2WI, mais l’hétérogénéité sur d’autres séquences serait un prédicteur important de la malignité. Comme notre objectif était de fournir un système facile et réaliste pour différencier les tumeurs bénignes et malignes dans la pratique clinique, nous n’avons pris en compte que trois caractéristiques majeures. De plus, les résultats de cette étude ne reflètent pas nécessairement les données que l’on peut rencontrer dans la population générale : comme l’échantillon de patients provenait d’un centre régional d’oncologie, seuls des résultats limités (notamment sur la T2WI) ont été utilisés, et les cas inscrits étaient des cas rétrospectifs histologiquement prouvés. Par conséquent, il faut faire preuve d’une grande prudence dans l’interprétation des masses des tissus mous à l’IRM. Les résultats de cette étude ne sont pas des conclusions ou des recommandations définitives.
En conclusion, l’approche d’imagerie systématique simplifiée proposée peut aider à prédire la nature bénigne ou maligne des tumeurs des tissus mous pour les radiologues ou les cliniciens non experts. Cette approche peut servir de base à de nouvelles études de développement des caractéristiques de l’IRM pour différencier les tumeurs des tissus mous bénignes et malignes.