Développer un meilleur moyen de capturer « tout le cancer » pendant la chirurgie, c’est l’objectif de cette équipe de bioingénieurs de l’Université du Texas à Dallas : Ils viennent de mettre au point une technique à base d’imagerie hyperspectrale et d’intelligence artificielle (visuel de droite) bien plus précise que les méthodes de microscopie actuelles (au centre) pour l’identification des cellules cancéreuses. La technologie, présentée dans la revue Cancers, s’avère très prometteuse pour identifier plus précisément et plus rapidement toutes les cellules cancéreuses au bloc opératoire.
L’auteur principal, le Dr Baowei Fei et ses collègues montrent ici que l'imagerie hyperspectrale et l'intelligence artificielle peuvent, combinées, prédire la présence de cellules cancéreuses avec une précision de 80% à 90% dans 293 échantillons de tissu prélevés sur 102 patients opérés d'un cancer du cou. L’équipe prévoit déjà, après quelques mises au point, de tester la technique par des essais cliniques afin de pouvoir la mettre en œuvre rapidement en routine clinique. « Nous espérons que cette technologie aidera les chirurgiens à mieux détecter toute la tumeur pendant la chirurgie, à réduire la durée des interventions mais également des coûts. Et surtout à sauver des vies ! «
L'imagerie hyperspectrale est non invasive, portable et ne nécessite ni rayonnement ni agent de contraste.
Actuellement, les anatomopathologistes analysent des échantillons de tissus prélevés sur un patient opéré et toujours sous anesthésie dans le cadre d'un processus appelé analyse peropératoire de coupes congelées. Plusieurs résections peuvent être nécessaires au cours d'une procédure car les chirurgiens tentent d'atteindre des tissus à marges claires ou non cancéreuses. Dans certains cas, les cellules cancéreuses ne peuvent pas être échantillonnées ou détectées pendant une intervention chirurgicale, ce qui entraîne une intervention chirurgicale supplémentaire.
L'imagerie hyperspectrale, utilisée à l'origine pour l'imagerie satellite, les télescopes en orbite et autres applications, dépasse ce que l'œil humain peut voir lorsque les cellules sont examinées sous une lumière ultraviolette et proche de l'infrarouge. La technique permet une résolution micrométrique. En analysant la façon dont les cellules réfléchissent et absorbent la lumière sur le spectre électromagnétique, les experts peuvent obtenir une image spectrale des cellules aussi unique qu'une empreinte digitale (voir visuel ci-contre).
L’intelligence artificielle vient ensuite « former » le microscope à la reconnaissance du cancer à l'aide d'images de cellules cancéreuses et non cancéreuses dans une vaste base de données : « lorsque nous disposons d’une base de données suffisamment importante, et qui sait distinguer un tissu cancéreux d’un tissu normal, nous sommes capables d’apprendre au système toutes les caractéristiques du spectre. Une fois formé, le périphérique intelligent peut prédire si un nouvel échantillon est un tissu cancéreux ou pas. C'est ainsi que l'apprentissage automatique peut aider à diagnostiquer le cancer ».
De plus, la technologie apporte des résultats presque instantanés, ce qui va permettre de réduire considérablement le temps et le coût des chirurgies. Car aujourd’hui, chaque évaluation de résection peut prendre de 30 à 45 minutes et son coût est estimé à plus de 1.000 $. De plus, dans de nombreux cas, plusieurs évaluations sont nécessaires, ce qui allonge le temps opératoire et augmente encore les coûts.
« Nous espérons que cette technologie aidera les chirurgiens à mieux détecter le cancer pendant la chirurgie, à réduire le temps d'intervention, à réduire les coûts médicaux et à sauver des vies ».
Source: Cancers 14 Sept, 2019 DOI : 10.3390/cancers11091367 Hyperspectral Imaging of Head and Neck Squamous Cell Carcinoma for Cancer Margin Detection in Surgical Specimens from 102 Patients Using Deep Learning (Visuel The University of Texas at Dallas)
Plus sur Cancer Blog et sur Diagnostic Blog
Équipe de rédaction Santélog Oct 23, 2019Rédaction Santé log
Jeu de briques
Snake
Pacman
Bubble