Objectif
L'évaluation précise de l'envahissement ganglionnaire est cruciale dans la prise en charge du cancer, influençant directement les décisions thérapeutiques et le pronostic. Le système de classification NODE-RADS (Node Reporting and Data System) a été développé pour standardiser le rapport d'imagerie des ganglions lymphatiques chez les patients cancéreux, répondant ainsi à la nécessité d'une communication améliorée entre radiologues et médecins référents.
Patients et Méthodes
Une illustration d’un ensemble de cas ou les ganglions ont été classés selon la classification NODE-RADS par des radiologues experts dans notre service d’imagerie médicale avec une comparaison avec les données des dernières études réalisée en s’aidant d’une revue de littérature.
Résultats
La mise en œuvre de NODE-RADS repose principalement sur l'analyse des caractéristiques de l'image des ganglions lymphatiques par tomodensitométrie (TDM) et imagerie par résonance magnétique (IRM). Ce système classe le niveau de suspicion de métastases ganglionnaires en cinq catégories, de 1 (probabilité très faible) à 5 (probabilité très élevée), en fonction de la taille et de la configuration des ganglions lymphatiques.
Cette classification s'applique quelle que soit la localisation anatomique des ganglions lymphatiques, qu'elle soit régionale ou non régionale jusqu'à la localisation de la tumeur primitive.
L'adoption de NODE-RADS a le potentiel d'harmoniser les pratiques de reporting radiologique au niveau international, minimisant les variations interprétatives et renforçant la précision du diagnostic. Bien que prometteuse, l'application universelle de NODE-RADS nécessite une validation plus large et une formation adaptée des radiologues pour assurer son intégration efficace dans la routine clinique.
Conclusion
NODE-RADS représente une avancée significative dans la standardisation de l'évaluation des ganglions lymphatiques en oncologie. Son adoption pourrait améliorer la précision du stade du cancer et optimiser les stratégies thérapeutiques, soulignant l'importance de systèmes de classification robustes dans l'amélioration des soins aux patients atteints de cancer.