Objectif : examiner la capacité à discriminer le site primitif des métastases cérébrales, sur la base d'un modèle combinant des données cliniques, des données spatiales grâce à un atlas de localisation des tumeurs basé sur l'IRM et des caractéristiques radiomiques provenant de l'IRM 3D pondérée T1 après injection de gadolinium. Méthodes : cette étude rétrospective bicentrique a inclus les caractéristiques radiomiques de 4 types de métastases cérébrales les plus fréquentes parmi 237 métastases cérébrales provenant de la séquence 3DT1 post gadolinium, chez 188 patients non traités, avec 63 métastases provenant de cancer du poumon, 59 de cancer du sein, 74 de mélanome et 41 de cancer colorectal. L'analyse incluait la segmentation de la zone tumorale, le prétraitement des images IRM et l'extraction de caractéristiques radiomiques dont 18 caractéristiques du premier ordre, 14 caractéristiques basées sur la forme de la région tumorale et 73 caractéristiques basées sur la texture des niveaux de gris dans cette même région. Des données cliniques et les coordonnées spatiales 3D du barycentre de la tumeur dans un atlas cérébral ont également été analysées. Les modèles de classification ont été examinés selon quatre approches différentes : uniquement les caractéristiques cliniques (âge, sexe), uniquement les coordonnées spatiales de la localisation de la tumeur, uniquement les caractéristiques radiomiques et une combinaison de toutes les caractéristiques. Deux stratégies ont été adoptées pour examiner les performances du pouvoir discriminant : la stratégie "One-on-one" et la stratégie "One-on-Other". Une validation croisée répétée a été effectuée et les moyennes des scores roc-AUC, F1 (mesure combinant précision et recall avec leur moyenne harmonique), recall, précision, accuracy ont été rapportés sur l'ensemble des apprentissages et validations de la validation croisée. Résultats : les caractéristiques radiomiques ont montré les meilleurs résultats pour les mélanomes par rapport aux autres (F1 de 0,84). Pour les autres types lésionnels, cependant, ni la radiomique, ni les données spatiales ni les modèles finaux combinés ne permettent d’être assez discriminants. Pour les métastases mammaires, le sexe guide la classification avec score roc-AUC de 0,78 ± 0,07 et un score F1 de 0,86 ±0,05. Pour les métastases coliques vs les autres, nous avions observé de bons scores obtenus pour la radiomique, avec un score roc-AUC de 0,76 ± 0,12 et un score F1 de 0,90 ±0,03. Cependant ces scores étaient certainement liés au non-équilibrage des classes (33 métastases coliques vs. 156 autres) car nous avions noté une absence de signal préalable dans la stratégie one versus one. Enfin, la classification des tumeurs pulmonaires par rapport aux autres catégories n'a pas été satisfaisante d'après les données radiomiques, cliniques et spatiales. Conclusion : cette étude montre que la radiomique a le potentiel de constituer un outil d’aide au diagnostic dans la différenciation de métastases cérébrales de mélanome. Les performances diagnostiques obtenues par le modèle n’étaient pas significativement robustes pour différencier les métastases pulmonaires, coliques et mammaires. L'étape finale consistera à réaliser un problème de classification multi-classes pour consolider cette méthodologie et à construire des bases de données standardisées mettant en relation les phénotypes de tumeurs avec des signatures de caractéristiques d'images plus spécifiques.