Imagerie pédiatrique

Techniques IRM avancées en neuro-oncologie pédiatrique

icon réservé aux abonnésArticle réservé aux abonnés
Benoit Testud et Volodia Dangouloff-Ros Le 08/07/25 à 15:00 Lecture 16 min.

Figure 4: Imagerie avancée dans le suivi du traitement : Exemple d’une radionécrose post-radiothérapie stéréotaxique d’une métastase intraventriculaire d’un épendymome de haut grade chez un enfant de 4 ans Lésion intraventriculaire frontale gauche (flèche) non rehaussée sur une coupe axiale T1 post contraste (A). Après traitement par CyberKnife, apparition d’un rehaussement nécrotique (flèche) (B), avec un spot (flèches) cytotoxique en diffusion (C-D) dans la nécrose, et un large œdème (délimité) périphérique en FLAIR (E). En perfusion T2*, pas d’augmentation du volume sanguin cérébral (pas de néoangiogenèse) (F) sur la lésion (flèche) et présence d’une rupture de barrière hémato-encéphalique (flèche) sur la carte de perméabilité K2 (G). L’évolution à distance montre une régression de l’œdème et une diminution du rehaussement (flèche) confirmant le diagnostic de radionécrose (H). © CHU Timone, AP-HM

Résumé

Les techniques d’imagerie avancées en IRM peuvent être définies comme des techniques d’imagerie quantitatives permettant de caractériser in vivo la nature des tissus. Elles sont complémentaires aux séquences conventionnelles, et souvent nécessaires aux différentes étapes de la prise en charge du patient en neuro-oncologie pédiatrique. La diffusion en tenseur et l’IRM fonctionnelle permettent d’établir une cartographie des zones et des faisceaux éloquents cérébraux en vue d’une prise en charge chirurgicale. La diffusion avec l’évaluation du coefficient apparent de diffusion est une séquence incontournable en neuro-oncologie, utile à toutes les étapes de la prise en charge. Les séquences de perfusion permettent d’étudier la vascularisation tumorale et la barrière hémato-encéphalique. La spectroscopie quantifie les différents métabolites intracérébraux. L’imagerie pondérée par transfert de protons d’amides (APT) permet de quantifier la présence d’amides dans les tissus. Ces séquences fournissent des informations permettant au radiologue de préciser au diagnostic la nature probablement tumorale d’une lésion, son grade, son histologie, et de cibler des zones préférentielles pour une biopsie. Elles permettent d’évaluer la réponse thérapeutique, d’identifier les complications thérapeutiques et de détecter les récidives dans la surveillance post-thérapeutique. En pratique, l’utilisation de ces séquences apporte une plus-value pour la prise en charge. Cependant, il est nécessaire de connaître leurs limites et d’avoir une certaine expertise selon les situations cliniques, qui est souvent dépendante des habitudes des centres.

Introduction

Les tumeurs malignes du système nerveux central sont les cancers solides les plus fréquents de la population pédiatrique [1]. Le taux d’incidence brut global des tumeurs cérébrales est de 4,3 pour 100 000 personnes et par an, ce qui représente environ 400 nouveaux cas par an en France. Les principales catégories histologiques sont les tumeurs neuro-épithéliales (73 %) incluant les gliomes (43 %), les tumeurs neuronales et glio-neuronales (12 %), et embryonnaires (15 %). Le reste est en rapport avec des tumeurs des méninges, mésenchymateuses, des racines paravertébrales et des nerfs crâniens, des tumeurs germinales et les craniopharyngiomes [2]. L’âge est un facteur important avec des prédominances histologiques particulières, notamment avant 4 ans et après 15 ans. Elles sont classées selon la classification de l’organisation mondiale de la santé (OMS) 2021 [3] en fonction des caractéristiques histologiques et de biologie moléculaire.

L’imagerie occupe une place centrale dans

Il vous reste 95% de l’article à lire

Docteur Imago réserve cet article à ses abonnés

S'abonner à l'édition
  • Tous les contenus « abonnés » en illimité
  • Le journal numérique en avant-première
  • Newsletters exclusives, club abonnés

Abonnez-vous !

Docteur Imago en illimité sur desktop, tablette, smartphone, une offre 100% numérique

Offre mensuelle 100 % numérique

23 €

par mois

S’abonner à Docteur Imago

Auteurs

Benoit Testud

Médecin radiologue Service de radiologie, CHU Conception, service de neuroradiologie, CHU Timone Assistance publique - Hôpitaux de Marseille

Volodia Dangouloff-Ros

Radiologue pédiatrique Hôpital Necker-Enfants malades Assistance publique - Hôpitaux de Paris

Bibliographie

  1. Ostrom QT, Gittleman H, Liao P, et al (2017) CBTRUS Statistical Report: Primary brain and other central nervous system tumors diagnosed in the United States in 2010–2014. Neuro-Oncology 19:v1–v88. https://doi.org/10.1093/neuonc/nox158
  2. Khettab M, Chirpaz E, Zouaoui S, et al (2024) P16.02.A FRENCH NATIONAL STUDY ON THE EPIDEMIOLOGY OF CHILDHOOD BRAIN TUMORS. Neuro-Oncology 26:v84–v84. https://doi.org/10.1093/neuonc/noae144.277
  3. Louis DN, Perry A, Wesseling P, et al (2021) The 2021 WHO Classification of Tumors of the Central Nervous System: a summary. Neuro-Oncology 23:1231–1251. https://doi.org/10.1093/neuonc/noab106
  4. Borja MJ, Plaza MJ, Altman N, Saigal G (2013) Conventional and Advanced MRI Features of Pediatric Intracranial Tumors: Supratentorial Tumors. American Journal of Roentgenology 200:W483–W503. https://doi.org/10.2214/AJR.12.9724
  5. Poretti A, Meoded A, Huisman TAGM (2012) Neuroimaging of pediatric posterior fossa tumors including review of the literature. Magnetic Resonance Imaging 35:32–47. https://doi.org/10.1002/jmri.22722
  6. Porto L, Jurcoane A, Schwabe D, Hattingen E (2014) Conventional magnetic resonance imaging in the differentiation between high and low-grade brain tumours in paediatric patients. European Journal of Paediatric Neurology 18:25–29. https://doi.org/10.1016/j.ejpn.2013.07.004
  7. Welker K, Boxerman J, Kalnin A, et al (2015) ASFNR Recommendations for Clinical Performance of MR Dynamic Susceptibility Contrast Perfusion Imaging of the Brain. AJNR Am J Neuroradiol 36:E41–E51. https://doi.org/10.3174/ajnr.A4341
  8. Alsop DC, Detre JA, Golay X, et al (2015) Recommended implementation of arterial spin‐labeled perfusion MRI for clinical applications: A consensus of the ISMRM perfusion study group and the European consortium for ASL in dementia. Magnetic Resonance in Med 73:102–116. https://doi.org/10.1002/mrm.25197
  9. Zhou J, Zaiss M, Knutsson L, et al (2022) Review and consensus recommendations on clinical APT ‐weighted imaging approaches at 3T : Application to brain tumors. Magnetic Resonance in Med 88:546–574. https://doi.org/10.1002/mrm.29241
  10. Koob M, Girard N, Ghattas B, et al (2016) The diagnostic accuracy of multiparametric MRI to determine pediatric brain tumor grades and types. J Neurooncol 127:345–353. https://doi.org/10.1007/s11060-015-2042-4
  11. Tzika A, Astrakas L, Zarifi M, et al (2003) Multiparametric MR assessment of pediatric brain tumors. Neuroradiology 45:1–10. https://doi.org/10.1007/s00234-002-0865-0
  12. Hales PW, d’Arco F, Cooper J, et al (2019) Arterial spin labelling and diffusion-weighted imaging in paediatric brain tumours. NeuroImage: Clinical 22:101696. https://doi.org/10.1016/j.nicl.2019.101696
  13. Testud B, Brun G, Varoquaux A, et al (2021) Perfusion-weighted techniques in MRI grading of pediatric cerebral tumors: efficiency of dynamic susceptibility contrast and arterial spin labeling. Neuroradiology 63:1353–1366. https://doi.org/10.1007/s00234-021-02640-y
  14. Kan P, Liu JK, Hedlund G, et al (2006) The role of diffusion-weighted magnetic resonance imaging in pediatric brain tumors. Childs Nerv Syst 22:1435–1439. https://doi.org/10.1007/s00381-006-0229-x
  15. Dury RJ, Lourdusamy A, Macarthur DC, et al (2022) Meta‐Analysis of Apparent Diffusion Coefficient in Pediatric Medulloblastoma, Ependymoma, and Pilocytic Astrocytoma. Magnetic Resonance Imaging 56:147–157. https://doi.org/10.1002/jmri.28007
  16. Ceschin R, Kocak M, Vajapeyam S, et al (2019) Quantifying radiation therapy response using apparent diffusion coefficient (ADC) parametric mapping of pediatric diffuse intrinsic pontine glioma: a report from the pediatric brain tumor consortium. J Neurooncol 143:79–86. https://doi.org/10.1007/s11060-019-03133-y
  17. Xiao X, Kong L, Pan C, et al (2021) The role of diffusion tensor imaging and tractography in the surgical management of brainstem gliomas. Neurosurgical Focus 50:E10. https://doi.org/10.3171/2020.10.FOCUS20166
  18. Öz G, Alger JR, Barker PB, et al (2014) Clinical Proton MR Spectroscopy in Central Nervous System Disorders. Radiology 270:658–679. https://doi.org/10.1148/radiol.13130531
  19. Vicente J, Fuster-Garcia E, Tortajada S, et al (2013) Accurate classification of childhood brain tumours by in vivo 1H MRS – A multi-centre study. European Journal of Cancer 49:658–667. https://doi.org/10.1016/j.ejca.2012.09.003
  20. Gupta PK, Saini J, Sahoo P, et al (2017) Role of Dynamic Contrast-Enhanced Perfusion Magnetic Resonance Imaging in Grading of Pediatric Brain Tumors on 3T. Pediatr Neurosurg 52:298–305. https://doi.org/10.1159/000479283
  21. Dangouloff-Ros V, Deroulers C, Foissac F, et al (2016) Arterial Spin Labeling to Predict Brain Tumor Grading in Children: Correlations between Histopathologic Vascular Density and Perfusion MR Imaging. Radiology 281:553–566. https://doi.org/10.1148/radiol.2016152228
  22. Patel P, Baradaran H, Delgado D, et al (2017) MR perfusion-weighted imaging in the evaluation of high-grade gliomas after treatment: a systematic review and meta-analysis. Neuro-Oncology 19:118–127. https://doi.org/10.1093/neuonc/now148
  23. Sabin ND, Merchant TE, Harreld JH, et al (2013) Imaging Changes in Very Young Children with Brain Tumors Treated with Proton Therapy and Chemotherapy. AJNR Am J Neuroradiol 34:446–450. https://doi.org/10.3174/ajnr.A3219
  24. Jones JY, Selvaraj B, Ho M-L (2020) Pediatric Functional Neuroimaging: Practical Tips and Pearls. American Journal of Roentgenology 214:995–1007. https://doi.org/10.2214/AJR.19.22178

Spécialité médicale

Pédiatrie Neurologie

Modalité d’imagerie

IRM

Mots-clés

pédiatrie neuro-imagerie neuroradiologie

Discussion

Aucun commentaire

Laisser un commentaire

Sur le même thème

Sommaire

Le fil Docteur Imago

28 Juil

15:22

Une étude publiée par l'Academic Radiology, a évalué la valeur ajoutée de l’intelligence artificielle dans la détection des lésions du cancer de la prostate sur l’IRM en comparant les performances des radiologues avec et sans assistance de l’IA.

15:00

7:30

Une étude publiée par la revue Radiology a évalué le taux de faux négatifs lorsque les mammographies sont analysées par un logiciel d'IA. Les auteurs ont conclu que pour réduire les cancers manqués par l'IA, une attention particulière doit être portée aux cancers luminaux, seins denses, emplacements des zones non mammaires, distorsions architecturales et aux calcifications amorphes.

7:00

25 Juil

13:00

7:00

✕
Docteur Imago

GRATUIT
VOIR