Les microscopes, de belles promesses dans la lutte contre le cancer

Une équipe constituée de cancérologues, bioingénieurs et physiciens, tous originaires de l’Université Rice, à Houston, vient de faire un grand pas dans la lutte contre le cancer. En combinant la microscopie avec une Intelligence Artificielle en deep learning, les chercheurs ont démontré que la vérification des marges du cancer ne prenait plus que quelques minutes. Le procédé, détaillé dans les Actes de l’Académie des Sciences américaine, se traduit par 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 à être posée est « a-t-on tout enlevé ? ». Pour pallier ces longs moments de d’attente et de doute, cette équipe de choc des Universités Rice et du Texas MD Anderson Cancer Center ont donc créé un nouveau microscope qui apporte ce diagnostic, avec une très grande précision, pendant l’intervention. L’outil permet ainsi aux chirurgiens d’inspecter les marges des tumeurs dans les minutes suivant leur retrait.

Une deep médecine en développement

« 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 l’apprentissage en profondeur pour développer un algorithme informatique qui optimise à la fois la collecte d’images et leur traitement. La même opération effectuée avec un microscope standard entrainerait un compromis entre la résolution spatiale et la profondeur de champ, ce qui signifie que seuls les détails à même distance de l’objectif pourraient être distingués clairement. Avec cette nouvelle technologie, 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 ».

Soulevons le capot

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 cette I.A, 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.

« 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 », concluent les auteurs du rapport.