Roche uPath PD-L1 image analysis for NSCLC IVD Algorithm Manuel utilisateur

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
">