Roche uPath PD-L1 image analysis for NSCLC IVD Algorithm Manuel utilisateur
Ajouter à Mes manuels38 Des pages
▼
Scroll to page 2
of
38
Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules Table des matières Introduction1 Résumé et explication de l’algorithme 2 Utilisation prévue 3 Utilisation prévue du produit 3 Objectif du guide d’utilisation de l’algorithme3 Signification clinique 4 Principes du test 5 Limites6 Sécurité des données 7 Procédure d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 pour le NSCLC 8 Procédure de l’anatomopathologiste 9 Analyse de l’image PD-L1 12 Évaluation de PD-L1 15 Évaluation de la coloration déterminée par l’algorithme PD-L1 15 Caractéristiques de coloration 15 Caractéristiques de performances 26 Comparaison des méthodes 26 Études de reproductibilité des résultats des anatomopathologistes 27 Études de reproductibilité des résultats des scanners 28 Résolution des problèmes 29 Références33 Introduction Le logiciel Roche uPath enterprise software (uPath enterprise software) associé à l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) (algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC) est un système logiciel conçu pour faciliter l’évaluation quantitative de l’expression protéique dans les coupes histologiques colorées par immunohistochimie (IHC) de tissus sains et néoplasiques fixés au formol et inclus en paraffine (FFPE). L’uPath enterprise software est une solution logicielle numérique complète qui permet aux laboratoires d’anatomopathologie d’acquérir, gérer, visualiser, analyser et partager des images numériques d’échantillons anatomopathologiques et d’établir un rapport correspondant. Grâce à l’uPath enterprise software, l’anatomopathologiste est à même de visualiser des images numériques avec divers grossissements, d’ajouter des annotations, de faire des mesures sur les coupes de tissus, d’analyser les images et de générer des rapports. Remarque : l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC est une méthodologie assistée par ordinateur complémentaire qui permet l’acquisition et la mesure d’images de lames histologiques d’échantillons de tissus colorés par IHC pour détecter la présence de la protéine PD-L1. Afin de garantir la validité des scores d’analyse d’image, il incombe à l’anatomopathologiste de vérifier la concordance en utilisant les contrôles appropriés, tel qu’indiqué dans la fiche méthodologique VENTANA PD-L1 (SP263) Rabbit Monoclonal Primary Antibody (disponible sur www.ventana.com). Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 1 Résumé et explication de l’algorithme Pour les applications d’analyse d’image, l’anatomopathologiste peut utiliser l’uPath enterprise software pour sélectionner et contourer une ou plusieurs régions d’intérêt (ROI), chaque ROI peut ensuite être visualisée avec divers grossissements puis analysée à l’aide de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Le logiciel indique le nombre total de cellules tumorales (TC) cibles, et les TC sont stratifiées en fonction de leur coloration. L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC divise le nombre de TC colorées par le nombre total de TC (colorées et non colorées) pour générer le score de positivité des TC pour PD-L1 sur une échelle de 0 à 100 %. L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC est capable de générer un score pour une ROI spécifique ou un score global pour toutes les ROI sélectionnées sur la lame. Bien que l’algorithme détecte les cellules non tumorales dans le cadre de l’analyse globale, le calque et le résultat ne montrent que les TC utilisées dans le calcul du score de positivité des TC. L’anatomopathologiste peut accepter le score déterminé par l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC ou le remplacer par un score différent. L’anatomopathologiste doit vérifier soigneusement les cellules que l’algorithme a marquées comme TC négatives et positives et confirmer que le résultat de l’algorithme est correct ou le remplacer manuellement. L’algorithme d’analyse d’images uPath PD-L1 (SP263) pour le NSCLC n’effectue aucune interprétation des données de façon autonome, son utilisation doit donc être réservée aux anatomopathologistes qualifiés en complément d’examens histologiques, d’informations cliniques pertinentes et de contrôles adaptés. Il est conçu et indiqué pour aider l’anatomopathologiste à évaluer l’expression de PD-L1 à 50 %. 2 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Utilisation prévue Utilisation prévue du produit L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le Objectif du guide d’utilisation de l’algorithme NSCLC est conçu pour aider l’anatomopathologiste dans la Ce guide d’utilisation de l’algorithme d’analyse d’image uPath PD- détection et la mesure semi-quantitative de la protéine PD-L1 L1 (SP263) pour le NSCLC (guide d’utilisation de l’algorithme) a dans des tissus de NSCLC fixés au formol et inclus en paraffine. pour but de : Lorsqu’il est utilisé avec le VENTANA PD-L1 (SP263) Assay, il est indiqué pour aider à l’identification des patients atteints de NSCLC • fournir des informations générales sur l’utilisation prévue de qui pourraient bénéficier de certains traitements sur la base d’un l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le seuil de positivité des TC pour PD-L1 ≥ 50 %, conformément aux NSCLC, les principes du test et ses limites, indications autorisées des produits thérapeutiques. • définir le matériel nécessaire ainsi que la configuration requise Remarque : l’analyse d’image uPath PD-L1 (SP263) pour le NSCLC pour l’informatique, la sécurité des données et le réseau, est une méthodologie assistée par ordinateur complémentaire qui permet l’acquisition et la mesure d’images de lames histologiques • indiquer les instructions étape par étape pour l’utilisation de d’échantillons de tissus colorés par IHC pour détecter la présence l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le de la protéine PD-L1. Afin de garantir la validité des scores NSCLC, d’analyse d’image, il incombe à l’anatomopathologiste de vérifier la concordance et d’utiliser les contrôles appropriés, tel qu’indiqué • présenter des photographies illustrant le fonctionnement de dans la fiche méthodologique de VENTANA PD-L1 (SP263) Assay l’algorithme d’analyse d’images uPath PD-L1 (SP263) pour le (Réf. 741-4905). NSCLC, Cet algorithme est conçu pour être utilisé en diagnostic in vitro (IVD). • fournir aux anatomopathologistes un outil facilitant l’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC sur des coupes de tissus de NSCLC FFPE colorées avec le VENTANA PD-L1 (SP263) Assay, • présenter des images d’exemple de cas difficiles pour illustrer comment utiliser l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC pour leur évaluation, • présenter les caractéristiques de performances de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 3 Signification clinique Le cancer du poumon, ou cancer bronchique, est le cancer le L’immunohistochimie pouvant permettre de détecter des antigènes plus fréquent dans le monde depuis plusieurs décennies et spécifiques présents dans des prélèvements tissulaires, elle demeure la cause majeure de mortalité liée au cancer dans le constitue un outil efficace pour les anatomopathologistes dans monde. On estime qu’il représente 12,9 % de tous les nouveaux le diagnostic et le pronostic des carcinomes. Le VENTANA PD-L1 cas de cancer et qu’il est responsable de près de 1,76 million de (SP 263) Assay est un anticorps monoclonal de lapin destiné à décès chaque année dans le monde, soit environ un décès sur être utilisé en laboratoire pour la détection semi-quantitative de la cinq liés au cancer.1 Le NSCLC est le type de cancer bronchique protéine PD-L1 dans des coupes de tissus sains et néoplasiques le plus courant, représentant environ 85 % de tous les cas FFPE. L’un des avantages des préparations tissulaires histologiques de cancer bronchique.2 La majorité des patients atteints de est que la morphologie tissulaire intacte facilite l’interprétation NSCLC présentent une maladie inopérable de stade localement de la positivité PD-L1 dans l’échantillon du patient. Tous les tests avancé (stade IIIB) ou une maladie métastatique (stade IV) pour histologiques doivent être interprétés par un spécialiste de la lesquelles il n’existe actuellement aucun traitement curatif. Le morphologie et/ou de la pathologie du NSCLC. Les résultats doivent taux de survie à cinq ans pour le NSCLC diagnostiqué aux stades être complétés par des examens morphologiques, des contrôles avancés est de 4,7 %.2 adaptés et être utilisés conjointement à d’autres données cliniques et d’analyse biologique. PD-L1 (programmed death-ligand 1) est une protéine transmembranaire exprimée sur les lymphocytes T activés, qui réduit la réponse immunitaire en se liant à ses deux récepteurs inhibiteurs, Programmed death-1 (PD-1) et B7-1 (CD80).3 La liaison de PD-L1 à PD-1 inhibe la prolifération des lymphocytes T, la production des cytokines et l’activité cytolytique, ce qui entraîne l’inactivation fonctionnelle ou l’épuisement des lymphocytes T. PD-L1 se lie également à CD80 sur les cellules présentatrices d’antigène et les lymphocytes T et conduit à une réduction des réponses immunitaires, notamment par l’inhibition de l’activation des lymphocytes T et de la production de cytokines4. L’expression de PD-L1 est observée sur les cellules immunitaires et les TC. 5,6 Il a été signalé que l’expression aberrante de PD-L1 sur les TC entrave l’immunité antitumorale et entraîne une évasion immunitaire. ⁶,⁷ Il a été montré que les nouvelles immunothérapies qui interrompent la voie PD-1/PD-L1 améliorent les taux de survie chez les patients diagnostiqués avec un NSCLC. Cependant, le pronostic avec un tel traitement dépend du niveau d’expression de PD-L1 et donc nécessite une quantification de PD-L1 avec coloration immunohistochimique. 4 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Principes du test L’uPath enterprise software associé à l’algorithme d’analyse Détermination des espaces blancs par l’algorithme d’image uPath PD-L1 (SP263) pour le NSCLC utilise des d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC : techniques d’analyse d’image pour déterminer un score de positivité des TC. L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC utilise des paramètres prédéfinis pour attribuer un score aux images de tissus colorés avec le VENTANA PD-L1 (SP263) Assay. Étapes de l’analyse d’image : • Identification des espaces blancs et exclusion automatique de l’analyse. • Détection des cellules sur l’ensemble de l’image. • Classification des cellules en tant que TC ou autres types de cellule. • Identification des TC colorées par rapport aux TC non colorées. • Calcul du score de positivité des TC par division du nombre • L’algorithme exclut automatiquement les espaces blancs. Les artefacts, tels que les salissures, les éraflures ou les taches d’encre, risquent de ne pas être automatiquement exclus. • L’utilisateur peut vérifier les zones que l’algorithme a définies comme étant des espaces blancs à l’aide d’un calque à fausse couleur ; voir « Analyse des images PD-L1 : calque à fausse couleur ». Critères de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC utilisés pour générer le score de positivité des TC : • L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC génère un score à un chiffre après la virgule, p.ex. « 4,8 % ». • Il est recommandé de ne pas arrondir le score au nombre entier supérieur ou inférieur. Par exemple, le score « 4,8 % » ne doit pas être arrondi à 5 %. de TC colorées par le nombre total de TC selon la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Comment l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC identifie les TC et calcule le score : • L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC identifie les TC en fonction de leur couleur, de leur intensité, de leur taille et de leur morphologie. • Les TC identifiées sont classées en tant que cellules colorées sur la base de la détection de leur membrane et de seuils prédéfinis conformément à la fiche VENTANA PD-L1 (SP263) Assay. • Pour calculer le pourcentage de TC colorées, le nombre de TC colorées est divisé par le nombre total de TC selon la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 5 Limites L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC est conçu pour fonctionner avec le VENTANA PD-L1 NSCLC a été développé et validé sur des échantillons de tissus de (SP263) Assay. La fiabilité des résultats du test dépend de la NSCLC. qualité et de la précision de la lame d’IHC qui est numérisée et de l’image obtenue qui est analysée. L’algorithme d’analyse d’images uPath PD-L1 (SP263) pour le NSCLC n’a pas été testé, ni sa sécurité et son efficacité validées, L’anatomopathologiste doit valider la coloration par le VENTANA pour une utilisation sur un ordinateur personnel (PC) depuis un PD-L1 (SP263) Assay au moyen d’un examen manuel au domicile. microscope des lames de contrôle PD-L1 afin de vérifier que les résultats attendus ont bien été obtenus avant d’ouvrir les images L’algorithme d’analyse d’image uPath PD-L1 SP263 est indiqué des lames à analyser dans l’uPath enterprise software. pour aider à l’identification des patients atteints de NSCLC qui pourraient bénéficier de traitements sur la base d’un seuil Il convient de suivre les recommandations du fabricant du de positivité des TC pour PD-L1 de 50 %, conformément aux VENTANA PD-L1 (SP263) Assay sans omettre d’utiliser tous les indications autorisées des produits thérapeutiques. matériaux de contrôle qualité positif et négatif pour chaque cycle de coloration. Si les lames de contrôle ne sont pas acceptables L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC à l’examen manuel au microscope, il faut recommencer la risque d’identifier incorrectement les cellules en cas d’une faible coloration des tissus jusqu'à obtention de résultats acceptables. coloration membranaire et/ou cytoplasmique, de chevauchements entre une forte coloration des cellules immunitaires et la coloration L’anatomopathologiste doit suivre les recommandations indiquées des cellules tumorales en cas d’inflammation infiltrante importante, pour l’interprétation du VENTANA PD-L1 (SP263) Assay. de TC avec un cytoplasme granuleux et d’une coloration non ciblée. Les TC risquent d’être identifiées à tort comme des non-TC et les Consultez la fiche méthodologique du VENTANA PD-L1 (SP263) non-TC comme des TC positives. Assay (Réf. 1014258FR) ainsi que le guide d’interprétation (Réf. 1015317EN) (disponibles sur www.ventana.com). Bien que les macrophages doivent être exclus de la région d’analyse, il n’est pas toujours possible de tous les exclure. En L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le conséquence, le score généré par l’algorithme d’analyse d’image NSCLC doit être utilisé par des anatomopathologistes qualifiés en uPath PD-L1 (SP263) pour le NSCLC risque d’être influencé par complément d’examens histologiques, d’informations cliniques la présence de macrophages dans la ROI analysée. Cela est pertinentes et de contrôles adaptés. Il ne s’agit pas d’un outil déterminant lorsque le score du patient est proche du seuil de 50 %. autonome, il requiert l’intervention d’un professionnel compétent tout au long du processus d’analyse. Si la coloration cytoplasmique est généralement diffuse, elle peut aussi avoir un aspect finement granulaire dans certains cas. De L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour rares cas ont présenté une coloration périnucléaire punctiforme le NSCLC peut générer des scores incorrects si les images d’intensité variable. Le pourcentage total des intensités des signaux capturées présentent une coloration anormale (coloration provenant de la membrane tumorale est estimé visuellement nucléaire, cytoplasmique, etc.). et utilisé pour déterminer le niveau d’expression de PD-L1. La coloration cytoplasmique des cellules tumorales n’est pas prise L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le en compte pour la détermination de l’expression de PD-L1. Un NSCLC rejette les noyaux de cellules tumorales qui sont allongés anticorps de contrôle négatif de même isotype est utilisé pour quelle que soit la forme globale de la cellule. C’est pourquoi les évaluer la présence d’une coloration de fond dans les échantillons tumeurs contenant un grand nombre de cellules avec des noyaux testés et établir une intensité de coloration de référence. allongés peuvent nécessiter un examen manuel. 6 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Sécurité des données Un logiciel malveillant ou un accès non autorisé à l’instrument • Assurez-vous que la sauvegarde de l’instrument et les fichiers peut entraîner une perte de données ou l’indisponibilité de d’archivage sont protégés contre un accès non autorisé et les l’instrument. sinistres. Cette liste inclut l’emplacement de stockage distant, les sites de reprise après sinistre ainsi que le transfert sécurisé Pour éviter une infection par un logiciel malveillant ou un accès non autorisé et une mauvaise utilisation de l’instrument, les recommandations suivantes sont capitales : • N’installez ni n’exécutez pas d’autres logiciels sur l’instrument. • Veillez à ce que les autres ordinateurs et services du réseau soient correctement sécurisés et protégés contre tout logiciel malveillant ou accès non autorisé. Par exemple, le système d’information de laboratoire (LIS), le partage d’archives, le partage de sauvegarde ou les services. • Les clients sont responsables de la sécurité de leur réseau local, notamment la protection de ce dernier contre les logiciels malveillants et les attaques informatiques. Cette protection peut inclure des mesures telles qu’un pare-feu visant à séparer l’appareil des réseaux non contrôlés. Elle peut également inclure la prise de mesures qui garantissent l’absence de code malveillant sur le réseau connecté. • Limitez l’accès physique à l’instrument et à toute l’infrastructure informatique connectée (ordinateurs, câbles, équipement réseau, etc.). des fichiers de sauvegarde. • Utilisez, dans la mesure du possible, un pare-feu pour limiter le trafic du réseau. • Vous pouvez utiliser des clés USB pour différents types de sauvegardes et restaurations. Une mauvaise manipulation d’une clé USB peut entraîner une perte de données ou un dysfonctionnement de l’instrument. • Utilisez exclusivement des clés USB testées et installées par le technicien de maintenance Roche. • N’utilisez qu’une seule clé USB à la fois. Avant de l’insérer, assurez-vous qu’aucun autre périphérique USB n’est inséré. • Avant de retirer une clé USB, sélectionnez le bouton Eject (Éjecter) dans Windows. • La configuration du système d’exploitation (SE) par défaut fournie avec le serveur ne doit pas être modifiée, elle est liée aux configurations du SE à sécurité renforcée. • Afin d’éviter qu’un virus n’infecte l’uPath enterprise software, utilisez la clé USB exclusivement sur cet instrument. N’enregistrez pas d’autres données sur cette clé USB. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 7 Procédure d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 pour le NSCLC Matériel nécessaire • uPath enterprise software • Algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC • Coupes de tissu de NSCLC colorées avec le VENTANA PD-L1 (SP263) Assay (à l’aide du kit OptiView DAB IHC Detection Kit) sur l’instrument BenchMark ULTRA • Scanner de lames VENTANA DP 200 Procédure 1. Une lame d’échantillon de tissu de NSCLC est colorée avec le VENTANA PD-L1 (SP263) Assay sur un instrument BenchMark ULTRA. 2. L’acquisition d’images (lame entière) est réalisée avec le scanner de lames VENTANA DP 200 à un grossissement 20x sur un plan z. 3. Une fois les images numériques acquises, l’ordinateur relié au scanner de lames VENTANA DP 200 les transmet au système de gestion d’images (IMS) sur un serveur centralisé. 4. Après le transfert au serveur, un cas est créé dans l’uPath enterprise software. La création de cas peut se faire automatiquement par transmission au système d’information de laboratoire (LIS) des informations d’identification (c.-à-d. type de tissus et anticorps primaire) contenues sur l’étiquette à code-barres de la lame, ou bien manuellement en saisissant les informations dans l’uPath enterprise software (consultez le guide de l’utilisateur de l’uPath enterprise software [1018943FR]). 5. Si l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC est installé (il doit être installé sur un autre serveur que celui de l’uPath enterprise software et de l’IMS) et si vous ouvrez une image 20x avec le colorant et le type de tissus appropriés, l’uPath enterprise software lance automatiquement l’analyse de la lame intégrale (WSA). 6. La WSA analyse automatiquement l’ensemble de l’image numérisée. 7. Au terme de la WSA, l’uPath enterprise software indique à l’anatomopathologiste « analysis is complete » (l’analyse est terminée). L’anatomopathologiste peut alors sélectionner les ROI spécifiques auxquelles attribuer un score. Il peut sélectionner une seule ROI de n’importe quelle taille ou plusieurs ROI. S’il sélectionne plusieurs ROI, un score global est donné ainsi qu’un score individuel pour chaque ROI. Coloration • La préparation et la coloration des tissus doivent être conformes aux recommandations de la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. • Si la coloration n’est pas conforme aux consignes de la fiche méthodologique du VENTANA PD-L1 (SP263) Assay, tous les contrôles appropriés doivent être vérifiés et les lames de nouveau colorées. • L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC requiert l’utilisation du VENTANA PD-L1 (SP263) Assay et de tout autre matériel ou fourniture figurant sur la fiche méthodologique du VENTANA PD-L1 (SP263) Assay pour colorer les tissus avant analyse. Le VENTANA PD-L1 (SP263) Assay détecte la protéine PD-L1 dans les tissus de NSCLC FFPE colorés avec le kit OptiView DAB IHC Detection Kit sur un instrument BenchMark ULTRA. Bien que le VENTANA PD-L1 (SP263) Assay détecte la protéine PD-L1 dans les tissus de NSCLC FFPE colorés sur les instruments BenchMark ULTRA, l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC a été validé en utilisant le kit de détection OptiView DAB IHC Detection Kit sur l’instrument BenchMark ULTRA. Capture d’image Les lames doivent être numérisées avec le scanner de lames VENTANA DP 200. Les images doivent être numérisées avec un grossissement 20x. Si des parties importantes de l’image sont floues, il est recommandé de numériser de nouveau les lames. Pour plus d’informations sur la numérisation, consultez le manuel d’utilisation du scanner de lames VENTANA DP 200 (Réf. 1017149FR). Navigation générale : uPath enterprise software L’uPath enterprise software est conçu pour être personnalisable en fonction des besoins des individus et des sites, notamment en matière de configuration des rapports et d’interface utilisateur. Le présent guide d’utilisation de l’algorithme porte uniquement sur les outils nécessaires à l’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Pour plus d’informations sur l’uPath enterprise software, consultez le guide d’utilisation de l’uPath enterprise software. 8 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Procédure de l’anatomopathologiste Ouverture d’un cas Les images de tissu de NSCLC coloré avec le VENTANA PD-L1 (SP263) Assay sont accessibles en double-cliquant sur un cas ou en sélectionnant un cas et en appuyant sur l’onglet Viewer (Visualiseur) dans l’uPath enterprise software (figure 1). Figure 1 Un écran contenant toutes les images associées au cas apparaît (figure 2). Figure 2 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 9 Une fois qu’une lame colorée avec le VENTANA PD-L1 (SP263) Assay est numérisée sur un scanner de lames VENTANA DP 200 au grossissement 20x, l’image est importée dans l’uPath enterprise software et associée à un cas. L’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC lance automatiquement la WSA. Le temps nécessaire à l’étape de calcul préalable à la WSA dépend des spécifications du serveur, de la taille des images et du nombre d’images dans la file d’attente. Une fois les images affichées, le message « waiting to start auto-analysis » (en attente du démarrage de l’analyse automatique) indique que les images sont dans la file d’attente prêtes à être analysées, et « analyzing » (analyse en cours) apparaît lorsque la WSA est en cours d’exécution (figures 3 et 4). Dès que l’uPath enterprise software a terminé l’analyse WSA de l’image, le message « analysis successful » (analyse réussie) apparaît sous l’image de la lame dans le Viewer (Visualiseur) de l’uPath enterprise software (figure 5). Les images ne peuvent pas recevoir un score avant la fin de la WSA. Figure 3 Figure 4 Figure 5 Contourage des ROI tumorales entières : sélection de la zone tumorale Utilisez le bouton de l’outil Freehand (À main levée) dans le menu déroulant ROI (figure 6) pour sélectionner la ou les zones tumorales sur l’image de la lame d’IHC à analyser. La figure 7 illustre une image avec une seule ROI contourée. Vous pouvez contourer des ROI supplémentaires. Pour chaque zone sélectionnée, une ROI apparaît dans le Slide Panel (Panneau de la lame) (figure 8). Figure 6 10 Figure 7 Figure 8 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Contourage des ROI tumorales entières : zone d’exclusion Lorsque vous contourez des ROI, l’exclusion de certaines zones peut se révéler nécessaire. Les zones spécifiques à éviter ou omettre ainsi que des exemples sont décrits dans la section suivante consacrée aux caractéristiques de coloration. Utilisez l’outil d’exclusion Freehand (À main levée) dans le menu déroulant Exclusion (figure 9) pour exclure des zones spécifiques (figure 10). Si des parties importantes de l’image sont floues, numérisez de nouveau la lame. Figure 9 Figure 10 L’algorithme n’analysera pas les zones exclues, et les TC colorées et non colorées à l’intérieur de cette zone seront exclues de la zone d’analyse totale. Si la ROI a déjà été analysée et qu’une exclusion est utilisée, la ROI devra être réanalysée puis le calque et le score seront mis à jour en conséquence. Le contourage d’un grand nombre d’exclusions, en particulier les exclusions Freehand (À main levée) compliquées, peut prendre du temps et affecter l’efficacité de la procédure avec seulement un impact marginal sur le score final. Si un cas nécessite un grand nombre d’exclusions, l’anatomopathologiste doit procéder comme suit : • Contourer plusieurs ROI et exclure les portions de tissu qu’il estime impossible à évaluer en utilisant le moins possible l’outil Exclusion. • Limiter les exclusions et remplacer manuellement le score par un autre score. Contourage des ROI tumorales entières : suppression Si une ROI tumorale entière sélectionnée n’est pas optimale, vous pouvez la supprimer. Sélectionnez la ROI tumorale entière en cliquant au centre de la ROI sur l’image, puis cliquez sur le bouton Delete (Supprimer) dans le Slide Panel (Panneau de la lame) (figure 11) ou sur l’image de la lame en regard de la ROI (figure 12). Une fenêtre de confirmation apparaît. Sélectionnez Confirm (Confirmer) pour supprimer la ROI sélectionnée. Sélectionnez Cancel (Annuler) pour conserver la ROI. Figure 11 Figure 12 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 11 Analyse de l’image PD-L1 Une fois toutes les ROI tumorales entières et/ou zones d’exclusion contourées, l’image peut être analysée. Sélectionnez la ROI tumorale entière en cliquant au centre de la ROI à analyser ou sur la ROI dans le Slide Panel (Panneau de la lame). Pour chaque ROI, sélectionnez le bouton Image Analysis (Analyse d’image) dans le Slide Panel (Panneau de la lame) (figure 13) ou en regard de la ROI (figure 14). Figure 13 Figure 14 Au terme de l’analyse de PD-L1, le résultat apparaît dans le Slide Panel (Panneau de la lame) à deux emplacements : sous Slide Score (Score de la lame) et en regard de la ROI (figure 15). Le Slide Score (Score de la lame), qui figurera dans le rapport, représente la somme des statuts de positivité des cellules tumorales sur l’ensemble des ROI sélectionnées. Figure 15 Vous pouvez aussi voir des informations plus détaillées dans le volet escamotable de Slide Score (Score de la lame) et de ROI Details (Détails sur la ROI) en cliquant sur l’icône d’escamotage (figure 16). Le volet escamotable de Slide Score (Score de la lame) apparaît (figure 17). Cliquez de nouveau sur l’icône d’escamotage pour masquer les informations. Figure 16 Figure 17 12 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Analyse de l’image PD-L1 : calque à fausse couleur Une fois que vous avez appuyé sur le bouton ROI(s) Analysis (Analyse de(s) ROI) et que les tissus ont été analysés, un calque de couleur est superposé sur la ROI. Dans l’image ci-dessous (figure 18), les cercles rouges représentent les cellules identifiées comme étant colorées positivement pour PD-L1 et les cercles bleus correspondent aux cellules identifiées comme étant négatives pour PD-L1. Dès que vous touchez à l’image (en appuyant sur le bouton gauche de la souris et en déplaçant l’image), le calque disparaît (figure 19). Lorsque vous relâchez le bouton de la souris, le calque réapparaît (figure 18). Figure 18 Figure 19 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 13 Saisie manuelle du score de la lame Vous pouvez saisir manuellement les scores en cliquant sur l’icône d’escamotage de Slide Score (Score de la lame) dans le Slide Panel (Panneau de la lame) en regard du Slide Score (Score de la lame) (figure 16). Le volet escamotable de Slide Score (Score de la lame) apparaît (figure 20). Sélectionnez le bouton Edit (Modifier) (figure 20) dans le volet escamotable de Slide Score (Score de la lame) pour saisir manuellement un score (figure 21). Le champ Comments (Commentaires) permet d’insérer des remarques sur le cas et/ou sur le motif du remplacement du score automatique. Pour PD-L1, des scores de 0 à 100 % peuvent être saisis manuellement. Après la saisie manuelle d’un score, sélectionnez le bouton Confirm (Confirmer) (figure 22). Un message de confirmation apparaît, sélectionnez « Yes » (Oui). Figure 21 Figure 22 Figure 20 Le score qui apparaît dans le Slide Panel (Panneau de la lame) est le score saisi manuellement. Le score d’analyse de l’image en regard de la ROI n’apparaît plus (figure 23). L’utilisateur a la possibilité de réanalyser l’image en appuyant sur le bouton représentant un histogramme (figures 13 et 14). Figure 23 14 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Caractéristiques de coloration Veuillez consulter la fiche méthodologique et le guide d’interprétation du VENTANA PD-L1 (SP263) Assay. Évaluation de PD-L1 Les cellules néoplasiques de NSCLC marquées avec le test VENTANA PD-L1 (SP263) Assay sont évaluées afin de déterminer le pourcentage de TC positives à la coloration membranaire, quelle qu’en soit l’intensité. La coloration immunohistochimique des tissus de NSCLC est membranaire et/ou cytoplasmique, et peut être exprimée de manière homogène ou hétérogène dans tout le néoplasme. La coloration cytoplasmique des cellules tumorales n’est pas prise en compte dans le score de positivité des TC. La coloration membranaire peut être discontinue, périphérique ou basolatérale. Un anticorps de contrôle négatif de même isotype est utilisé pour évaluer la présence d’une coloration de fond dans les échantillons testés. Évaluation de la coloration déterminée par l’algorithme PD-L1 L’anatomopathologiste qui utilise l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC doit être familier avec l’évaluation manuelle des résultats du test VENTANA PD-L1 (SP263) Assay. L’anatomopathologiste doit utiliser l’outil Freehand (À main levée) pour contourer l’ensemble de la zone tumorale. Il doit référencer la lame H&E et la lame de contrôle négatif associées avant d’utiliser l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Lors de la sélection des zones à analyser, il doit tenir compte des limites décrites dans les sections Limites et Zones à éviter. Si l’anatomopathologiste n’est pas d’accord avec le score déterminé par l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC, il peut saisir manuellement un autre score. Les cas ne pouvant être évalués incluent notamment les cas présentant un nombre insuffisant de cellules tumorales viables, une morphologie non acceptable ou une interférence du fond. Les cas de NSCLC présentant une quantité suffisante de TC viables (telle que déterminée par l’anatomopathologiste chargé de l’attribution du score) et sans interférence du fond sur la lame IHC PD-L1 sont acceptables pour l’évaluation. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 15 Des images illustrant divers niveaux d’expression de PD-L1 et les profils de coloration correspondants sont présentées dans les figures suivantes (24 à 25). L’expression de PD-L1 dans les TC est indiquée sous forme de pourcentage (0-100). Figure 24 : Images numérisées de tissu de NSCLC coloré par IHC dans l’uPath enterprise software ; avant analyse (en haut) et après analyse (en bas). Le calque rouge met en évidence les TC identifiées comme étant colorées positivement et le calque bleu les TC identifiées comme étant colorées négativement. 16 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Figure 25 : Images numérisées de tissu de NSCLC coloré par IHC dans l’uPath enterprise software ; avant analyse (en haut) et après analyse (en bas). Le calque rouge met en évidence les TC identifiées comme étant colorées positivement et le calque bleu les TC identifiées comme étant colorées négativement. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 17 Exemples de cellules tumorales manquées Plusieurs exemples de cellules tumorales manquées sont présentés dans les figures suivantes (26-28). Figure 26 : Exemple d’identification de cellules tumorales manquées. Images numérisées de tissu de NSCLC coloré par IHC dans l’uPath enterprise software ; avant analyse (en haut) et après analyse (en bas). Le calque rouge met en évidence les cellules tumorales identifiées comme étant colorées positivement et le calque bleu les cellules tumorales identifiées comme étant colorées négativement. 18 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Figure 27 : Exemple d’identification de cellules tumorales manquées. Images numérisées de tissu de NSCLC coloré par IHC dans l’uPath enterprise software ; avant analyse (en haut) et après analyse (en bas). Le calque rouge met en évidence les cellules tumorales identifiées comme étant colorées positivement et le calque bleu les cellules tumorales identifiées comme étant colorées négativement. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 19 Figure 28 : Exemple d’identification de cellules tumorales manquées. Images numérisées de tissu de NSCLC coloré par IHC dans l’uPath enterprise software ; avant analyse (en haut) et après analyse (en bas). Le calque rouge met en évidence les cellules tumorales identifiées comme étant colorées positivement et le calque bleu les cellules tumorales identifiées comme étant colorées négativement. 20 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Zones à éviter quand on utilise l’algorithme Lors du traçage du contour de la ROI, certaines zones doivent être exclues de l’ensemble de la zone tumorale à l’aide de l’outil Exclusion comme décrit précédemment ou être évitées lors de la définition d’une zone tumorale avec une ROI. Lorsqu’ils utilisent l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC, les anatomopathologistes doivent éviter de donner un score à des régions qui sont généralement évitées en cas d’attribution manuelle du score. Le score total pour PD-L1 peut être remplacé si l’utilisateur n’est pas d’accord avec le score attribué par l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Exemple de nécrose Figure 29 : Exemple avec des tissus nécrotiques avant analyse (en haut) et après analyse (en bas). Les utilisateurs doivent suivre les consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Il est important d’exclure les tissus nécrotiques car ils peuvent affecter la manière dont l’algorithme détermine le score de l’échantillon tissulaire et conduire à un score erroné de positivité des TC pour PD-L1. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 21 Exemple avec des plis tissulaires Figure 30 : Exemple avec des plis tissulaires. Les utilisateurs doivent suivre les consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Il est important d’exclure les plis tissulaires car ils peuvent affecter la manière dont l’algorithme détermine le score de l’échantillon tissulaire et conduire à un score erroné de positivité des TC pour PD-L1. 22 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Exemple avec une coloration de fond Figure 31 : Exemple avec une coloration de fond avant analyse (en haut) et après analyse (en bas). Les utilisateurs doivent suivre les consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Il est important d’exclure la coloration de fond car elle peut affecter la manière dont l’algorithme détermine le score de l’échantillon tissulaire et conduire à un score erroné de positivité des TC pour PD-L1. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 23 Exemple avec des salissures Figure 32 : Exemple avec des salissures avant analyse (en haut) et après analyse (en bas). Les utilisateurs doivent suivre les consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Il est important d’exclure les salissures car elles peuvent affecter la manière dont l’algorithme détermine le score de l’échantillon tissulaire et conduire à un score erroné de positivité des TC pour PD-L1. 24 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Exemple avec des macrophages Figure 33 : Exemple avec des macrophages avant analyse (en haut) et après analyse (en bas). Les utilisateurs doivent suivre les consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay. Il est important d’exclure les macrophages car ils peuvent affecter la manière dont l’algorithme détermine le score de l’échantillon tissulaire et conduire à un score erroné de positivité des TC pour PD-L1. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 25 Caractéristiques de performances Les performances de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC ont été évaluées par des études de concordance inter-lecteurs, de concordance intra-lecteur, de comparaison des méthodes et de concordance inter-scanners et intrascanner. Toutes les analyses ont été réalisées avec l’algorithme d’analyse d’image uPath PD-L1 pour le NSCLC sur l’uPath enterprise software. Les anatomopathologistes participants ont suivi les consignes figurant dans le présent guide d’utilisation de l’algorithme pour l’ensemble des études. Tous les échantillons tissulaires ont été colorés avec le VENTANA PD-L1 (SP263) Assay à l’aide du kit de détection OptiView DAB IHC Detection Kit sur un instrument BenchMark ULTRA puis numérisés à l’aide du scanner de lames VENTANA DP 200 avec un grossissement de 20x. Seules les lames ou les images de lames considérées comme acceptables au regard des consignes figurant dans la fiche méthodologique du VENTANA PD-L1 (SP263) Assay ont été utilisées. Tous les résultats inférieurs au seuil ont été considérés comme négatifs et tous les résultats supérieurs ou égaux au seuil de 50 % ont été considérés comme positifs. Comparaison des méthodes L’étude de comparaison de la méthode PD-L1 (SP263) de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC et la méthode de lecture manuelle des lames (au microscope) a porté sur 180 coupes de NSCLC archivées et anonymisées. Les échantillons testés dans l’étude couvraient une plage de positivité de 0 à 100 % et ont été interprétés par trois anatomopathologistes qualifiés. Tableau 1. Concordance : lecture manuelle (MR) vs analyse d’image (IA) (seuil 50 %) Résultat MR Lecteur Global Lecteur 1 Lecteur 2 Lecteur 3 Résultat IA Positif Négatif Concordance Total Mesure [a] % (n/N) CI à 95 % [b] Positif 174 25 199 PPA(%) 96,7 (174/180) (94,0, 98,9) Négatif 6 335 341 NPA(%) 93,1 (335/360) (90,2, 95,6) Total 180 360 540 OPA(%) 94,3 (509/540) (92,0, 96,1) Positif 59 11 70 PPA(%) 98,3 (59/60) (91,1, 99,7) Négatif 1 109 110 NPA(%) 90,8 (109/120) (84,3, 94,8) Total 60 120 180 OPA(%) 93,3 (168/180) (88,7, 96,1) Positif 56 9 65 PPA(%) 93,3 (56/60) (84,1, 97,4) Négatif 4 111 115 NPA(%) 92,5 (111/120) (86,4, 96,0) Total 60 120 180 OPA(%) 92,8 (167/180) (88,0, 95,7) Positif 59 5 64 PPA(%) 98,3 (59/60) (91,1, 99,7) Négatif 1 115 116 NPA(%) 95,8 (115/120) (90,6, 98,2) Total 60 120 180 OPA(%) 96,7 (174/180) (92,9, 98,5) MR = lecture manuelle, IA = analyse des images [a] PPA = taux de concordance pour les positifs, NPA = taux de concordance pour les négatifs, OPA = taux de concordance globale. [b] Pour le taux global, les intervalles de confiance ont été calculés à l’aide de la méthode du percentile bootstrap. Pour chaque résultat de lecteur, les intervalles de confiance ont été calculés à l’aide de la méthode du score de Wilson. Remarque : seules les observations avec un diagnostic valide ont été incluses à cette analyse. Remarque : les observations tombant dans la classe de score clinique finale <1 % ou >=1 à <50 % étaient négatives. Les observations tombant dans la classe de score clinique finale >=50 % étaient positives. 26 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Études de reproductibilité des résultats des anatomopathologistes Les études de reproductibilité des résultats des anatomopathologistes pour l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC ont porté sur 180 coupes de NSCLC archivées et anonymisées pour la concordance inter-lecteurs et 60 coupes de NSCLC archivées et anonymisées pour la concordance intra-lecteur. Les échantillons testés dans les études couvraient une plage de positivité de 0 à 100 % et ont été interprétés par trois anatomopathologistes qualifiés. Tableau 2. Concordance inter-lecteurs du statut PD-L1 (50%) Résultat modal Méthode Lecteur Résultat lecteur Total Mesure [a] 194 5 199 PPA 95,1 (194/204) (92,5, 97,5) Négatif 10 331 341 NPA 98,5 (331/336) (97,1, 99,7) Total 204 336 540 OPA 97,2 (525/540) (95,9, 98,5) Positif Global Lecteur 1 IA WTA Lecteur 2 Lecteur 3 Positif Négatif Concordance % (n/N) CI à 95 % [b] Positif 68 2 70 PPA 100,0 (68/68) (94,7, 100,0) Négatif 0 110 110 NPA 98,2 (110/112) (93,7, 99,5) Total 68 112 180 OPA 98,9 (178/180) (96,0, 99,7) Positif 64 1 65 PPA 94,1 (64/68) (85,8, 97,7) Négatif 4 111 115 NPA 99,1 (111/112) (95,1, 99,8) Total 68 112 180 OPA 97,2 (175/180) (93,7, 98,8) Positif 62 2 64 PPA 91,2 (62/68) (82,1, 95,9) Négatif 6 110 116 NPA 98,2 (110/112) (93,7, 99,5) Total 68 112 180 OPA 95,6 (172/180) (91,5, 97,7) IA = analyse des images [a] PPA = taux de concordance pour les positifs, NPA = taux de concordance pour les négatifs, OPA = taux de concordance globale. [b] Pour le taux global, les intervalles de confiance ont été calculés à l’aide de la méthode du percentile bootstrap. Pour chaque résultat de lecteur, les intervalles de confiance ont été calculés à l’aide de la méthode du score de Wilson. Remarque : seules les observations avec un diagnostic valide ont été incluses à cette analyse. Remarque : les observations tombant dans la classe de score clinique finale <1 % ou >=1 à <50 % étaient négatives. Les observations tombant dans la classe de score clinique finale >=50 % étaient positives. Tableau 3. Concordance intra-lecteur du statut PD-L1 (50 %) Résultat modal Méthode Lecture Résultat lecteur Total Mesure [a] 62 0 62 PPA 98,4 (62/63) (95,7, 100,0) Négatif 1 116 117 NPA 100,0 (116/116) (96,8, 100,0) Total 63 116 179 OPA 99,4 (178/179) (98,3, 100,0) Positif Global Lecture 1 IA WTA Lecture 2 Lecture 3 Positif Négatif Concordance % (n/N) CI à 95 % [b] Positif 21 0 21 PPA 100,0 (21/21) (84,5, 100,0) Négatif 0 38 38 NPA 100,0 (38/38) (90,8, 100,0) Total 21 38 59 OPA 100,0 (59/59) (93,9, 100,0) Positif 20 0 20 PPA 95,2 (20/21) (77,3, 99,2) Négatif 1 39 40 NPA 100,0 (39/39) (91,0, 100,0) Total 21 39 60 OPA 98,3 (59/60) (91,1, 99,7) Positif 21 0 21 PPA 100,0 (21/21) (84,5, 100,0) Négatif 0 39 39 NPA 100,0 (39/39) (91,0, 100,0) Total 21 39 60 OPA 100,0 (60/60) (94,0, 100,0) IA = analyse des images [a] PPA = taux de concordance pour les positifs, NPA = taux de concordance pour les négatifs, OPA = taux de concordance globale. [b] Pour le taux global, les intervalles de confiance ont été calculés à l’aide de la méthode du percentile bootstrap stratifiée par classes de dépistage. Pour chaque série de résultats de lecture, les intervalles de confiance ont été calculés à l’aide de la méthode du score de Wilson. Remarque : seules les observations avec un diagnostic valide ont été incluses à cette analyse. Remarque : les observations tombant dans la classe de score clinique finale <1 % ou >=1 à <50 % étaient négatives. Les observations tombant dans la classe de score clinique finale >=50 % étaient positives. Remarque : la lame ID C103 a été exclue de l’analyse en raison d’un problème de données irréconciliables. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 27 Études de reproductibilité des résultats des scanners Les études de reproductibilité des résultats des scanners pour l’algorithme d’analyse d’images uPath PD-L1 (SP263) pour le NSCLC ont porté sur 60 coupes de NSCLC archivées et anonymisées. Les échantillons testés dans les études couvraient une plage de positivité de 0 à 100 %. Un technicien de laboratoire dûment formé a réalisé trois numérisations des lames sur chacun des trois scanners de lames VENTANA DP 200 avec un grossissement 20x. Les images ont ensuite été analysées avec l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le NSCLC. Les scores ont été comparés entre les scanners. Tableau 4. Concordance inter-scanners du statut PD-L1 (50 %) Résultat modal Méthode Scanner Global Scanner 1 IA WTA Scanner 2 Scanner 3 Résultat lecteur Positif Négatif Concordance Total Mesure [a] % (n/N) CI à 95 % [b] Positif 201 5 206 PPA 97,1 (201/207) (95,2, 100,0) Négatif 6 328 334 NPA 98,5 (328/333) (96,4, 100,0) Total 207 333 540 OPA 98,0 (529/540) (96,5, 99,4) Positif 69 4 73 PPA 100,0 (69/69) (94,7, 100,0) Négatif 0 107 107 NPA 96,4 (107/111) (91,7, 100,0) Total 69 111 180 OPA 97,8 (176/180) (94,4, 100,0) Positif 69 1 70 PPA 100,0 (69/69) (94,7, 100,0) Négatif 0 110 110 NPA 99,1 (110/111) (97,5, 100,0) Total 69 111 180 OPA 99,4 (179/180) (98,3, 100,0) Positif 63 0 63 PPA 91,3 (63/69) (85,7, 100,0) Négatif 6 111 117 NPA 100,0 (111/111) (96,7, 100,0) Total 69 111 180 OPA 96,7 (174/180) (95,0, 100,0) IA = analyse des images [a] PPA = taux de concordance pour les positifs, NPA = taux de concordance pour les négatifs, OPA = taux de concordance globale. [b] Les intervalles de confiance ont été calculés à l’aide de la méthode du percentile bootstrap. Remarque : seules les observations avec un diagnostic valide ont été incluses à cette analyse. Remarque : les observations tombant dans la classe de score clinique <1 % ou >=1 à <50 % étaient négatives. Les observations tombant dans la classe de score clinique finale >=50 % étaient positives. Tableau 5. Concordance intra-scanner du statut PD-L1 (50 %) Résultat modal Méthode Scanner Résultat scanner Positif Global Scanner 1 IA WTA Scanner 2 Scanner 3 Positif Négatif Concordance Total Mesure [a] % (n/N) CI à 95 % [b] 204 2 206 PPA 100,0 (204/204) (98,2, 100,0) Négatif 0 334 334 NPA 99,4 (334/336) (98,5, 100,0) Total 204 336 540 OPA 99,6 (538/540) (99,1, 100,0) Positif 72 1 73 PPA 100,0 (72/72) (94,9, 100,0) Négatif 0 107 107 NPA 99,1 (107/108) (97,1, 100,0) Total 72 108 180 OPA 99,4 (179/180) (98,3, 100,0) Positif 69 1 70 PPA 100,0 (69/69) (94,7, 100,0) Négatif 0 110 110 NPA 99,1 (110/111) (97,5, 100,0) Total 69 111 180 OPA 99,4 (179/180) (98,3, 100,0) Positif 63 0 63 PPA 100,0 (63/63) (94,3, 100,0) Négatif 0 117 117 NPA 100,0 (117/117) (96,8, 100,0) Total 63 117 180 OPA 100,0 (180/180) (97,9, 100,0) IA = analyse des images [a] PPA = taux de concordance pour les positifs, NPA = taux de concordance pour les négatifs, OPA = taux de concordance globale. [b] Les intervalles de confiance ont été calculés à l’aide de la méthode du percentile bootstrap. Remarque : seules les observations avec un diagnostic valide ont été incluses à cette analyse. Remarque : les observations tombant dans la classe de score clinique <1 % ou >=1 à <50 % étaient négatives. Les observations tombant dans la classe de score clinique finale >=50 % étaient positives. 28 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Résolution des problèmes Relancer une analyse après un échec Si une erreur survient pendant une WSA dans l’uPath enterprise software, le message « analysis error » (erreur d’analyse) apparaît sous l’image de la lame dans une barre rouge (figure 34). Figure 34 Pour pouvoir relancer une analyse dans l’uPath enterprise software, vous devez d’abord vous connecter en tant qu’administrateur (figure 35). Figure 35 Sous Administrator Settings (Paramètres administrateur), cliquez sur Job Queue (File d’attente des tâches) (figure 36). Figure 36 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 29 Sélectionnez l’onglet Failed (Échec) pour afficher toutes les lames dont les analyses ont échoué. Sélectionnez la lame à analyser afin d’activer les boutons Cancel Job (Annuler la tâche) et Start Job (Commencer la tâche) (figure 37). Figure 37 Sélectionnez Start Job (Commencer la tâche) pour lancer l’analyse ; le message « Job scheduled successfully » (Tâche planifiée avec succès) apparaît en haut de l’écran dans une barre verte si vous avez tout fait correctement (figure 38). Figure 38 30 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) L’image de la lame apparaît à présent sur la page Pending (En attente). Une fois sur cette page, il est possible de réorganiser les tâches par ordre de priorité s’il y a plusieurs images dans la file d’attente (figure 39). Figure 39 Au bout de quelques secondes, l’image de la lame supérieure passe sur la page In-Progress (En cours) accompagnée d’une barre de progression. Il n’est pas nécessaire de rester sur cette page pour procéder à l’analyse (figure 40). Figure 40 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 31 Une fois que l’analyse d’une lame est terminée, elle passe sur la page Canceled/Complete (Annulé/Terminé) (figure 41). Dans l’uPath Viewer (Visualiseur), le message « analysis successful » (analyse réussie) apparaît sous l’image de la lame et toutes les fonctionnalités d’analyse relatives à cette lame deviennent disponibles (figure 42). Figure 41 Figure 42 32 Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) Références 1. Ferlay J, Soerjomataram I, Ervik M, et al. GLOBOCAN 2012 v1.0. Cancer Incidence and Mortality Worldwide: IARC CancerBase No. 11. http://globocan.iarc.fr. Published 2013-12-12. Updated 2014-01-09. Accessed 2016-02-08. 2. Howlader N, Noone AM, Krapcho M, et al. (eds). SEER Cancer Statistics Review (CSR),1975-2012. National Cancer Institute. http://seer.cancer.gov/csr/1975_2012/. Published 2015-04-23. Updated 2015-11-18. Accessed 2016-02-08. 3. Keir ME, Butte MJ, Freeman GJ, et al. PD-1 and its ligands in tolerance and immunity. Annu Rev Immunol 2008;26:677-704. 4. Blank C, Mackensen A. Contribution of the PD-L1/PD-1 pathway to T-cell exhaustion: an update on implications for chronic infections and tumor evasion. Cancer Immunol Immunother. 2007;56(5):739-745. 5. Butte MJ, Keir ME, Phamduy TB, et al. Programmed death-1 ligand 1 interacts specifically with the B7-1 costimulatory molecule to inhibit T-cell responses. Immunity. 2007;27(1):111-122. 6. Dong H, Zhu G, Tamada K, et al. B7-H1, a third member of the B7 family, co-stimulates T-cell proliferation and interleukin-10 secretion. Nat Med. 1999;5(12):1365-1369. 7. Massard C, Gordon MS, Sharma S, et al. Safety and efficacy of durvalumab (MEDI4736), an anti-programmed cell death ligand-1 immune checkpoint inhibitor, in patients with advanced urothelial bladder cancer. J Clin Oncol. 2016;34(26):3119-3126. Guide d’utilisation de l’algorithme d’analyse d’image uPath PD-L1 (SP263) pour le cancer bronchique non à petites cellules (NSCLC) 33 Roche Diagnostics GmbH Sandhofer Strasse 116 D-68305 Mannheim Germany www.roche.com www.ventana.com © 2020 Ventana Medical Systems, Inc. et Roche Diagnostics International, Inc. Tous droits réservés. VENTANA, BENCHMARK, OPTIVIEW, UPATH et le logo VENTANA sont des marques de commerce de Roche. Toutes les autres marques de commerce appartiennent à leurs détenteurs respectifs. 1019285FR Rev A 2020-03-31 08764174001