Combiner à la microscopie un système d’apprentissage en profondeur, un type d’application de l’intelligence artificielle (IA), permet une vérification des marges du cancer en quelques minutes seulement. C’est le développement de cette équipe de cancérologues, bioingénieurs et phycisiens de l’Université Rice (Houston) qui nous présente, dans les Actes de l’Académie des Sciences américaine, un nouveau microscope appelé DeepDOF qui « image » rapidement et à peu de frais toutes les cellules dans de grandes sections de tissu avec une préparation minimale.
Lorsque les chirurgiens enlèvent la tumeur, l'une des premières questions est « a-t-on tout enlevé ? ». Les chercheurs des Universités Rice et du Texas MD Anderson Cancer Center ont créé un nouveau microscope qui apporte ce diagnostic, avec une très grande précision, pendant l’intervention. Le microscope permet ainsi aux chirurgiens d'inspecter les marges des tumeurs dans les minutes suivant leur retrait.
Ne pas laisser de cellules cancéreuses à la marge
« L'objectif principal de la chirurgie est d'éliminer toutes les cellules cancéreuses, mais la seule façon de savoir si c’est le cas est d’observer la tumeur au microscope », rappelle l’auteur principal Mary Jin chercheur en génie électrique et informatique et co-auteur de l'étude. « Aujourd'hui, ce n‘est possible qu'en coupant le tissu en sections extrêmement minces, puis analysant ces sections séparément. Ce processus de découpage nécessite un équipement coûteux et l'imagerie de plusieurs coupes prend du temps. Notre objectif est de pouvoir vérifier de grands prélèvements de tissu directement ».
Ce microscope à profondeur de champ étendue ou DeepDOF, utilise une technique d'intelligence artificielle connue sous le nom d'apprentissage en profondeur pour développer un algorithme informatique qui optimise à la fois la collecte d'images et leur traitement. Alors qu’avec un microscope standard, il y a compromis entre la résolution spatiale et la profondeur de champ, ce qui signifie que seuls les détails à même distance de l'objectif peuvent être distingués clairement -c’est pourquoi les échantillons sont minces et montés entre des lames de verre- avec DeepDOE, l’analyse de tissus retirés plus épais devient possible.
« Les méthodes actuelles de préparation des tissus pour l'évaluation de l'état des marges au cours de la chirurgie n'ont pas changé de manière significative depuis leur introduction il y a plus de 100 ans », explique le Dr Ann Gillenwater, professeur de chirurgie de la tête et du cou. « En apportant la capacité d'évaluer avec précision l'état des marges à plus de sites de traitement, le DeepDOF a le potentiel d'améliorer les résultats de la chirurgie des cancers ».
DeepDOF utilise un réseau d'apprentissage en profondeur, un système expert qui peut apprendre à prendre des décisions humaines à partir de l’analyse de grandes quantités de données. Pour former DeepDOF, les chercheurs lui ont montré 1.200 images issues d'une base de données de lames histologiques. À partir de là, DeepDOF a appris à sélectionner le masque phase optimal pour imager chaque échantillon, à éliminer le flou des images capturées à partir de l'échantillon et à faire la mise au point des cellules de différentes profondeurs.
DeepDOF est capable de traiter ces images en 2 minutes.
«Nous avons validé la technologie et apporté la preuve concept. Une étude clinique est maintenant nécessaire pour savoir si DeepDOF peut être utilisé tel que proposé pour l'évaluation des marges pendant la chirurgie. Nous espérons commencer la validation clinique dès l'année prochaine ».
Source: PNAS December 14, 2020 DOI : 10.1073/pnas.2013571117 Deep learning extended depth-of-field microscope for fast and slide-free histology
Lire aussi : CANCER du SEIN : Le colorant qui évite les marges positives
Plus sur Cancer Blog
