Biopsie de cancer du poumon : l’ordinateur plus discriminant que l’œil du pathologiste

Stéphanie Lavaud

Auteurs et déclarations

26 août 2016

2 186 images et 9 879 traits caractéristiques pris en compte

Dans cette étude, les chercheurs ont d’abord utilisé 2 186 images histologiques provenant de 515 patients avec un adénocarcinome pulmonaire et de 502 patients avec un carcinome épidermoïde issues de la banque de données dite TCGA. Les lames, colorées à l'hématoxyline et à l'éosine, incluaient des zones tumorales et des zones saines. La base de données disposait des informations sur le grade et le stade assignés à la tumeur et sur la survie de chacun des patients.

Pour extraire des informations morphologiques objectives, la totalité de chaque lame a été quadrillée et les 10 zones les plus denses retenues. Les analyses ont permis d’extraire 9 879 caractéristiques pertinentes – récupérées sur l’ensemble des images -, parmi lesquelles des données anatomiques (taille et forme des cellules) mais aussi l’intensité de la distribution des pixels et la texture des cellules et du noyau des tumeurs.

« Nous avons démarré l’étude sans idées préconçues, et laissé le logiciel déterminer quelles caractéristiques étaient majeures. Avec le recul, on se rend compte que tout peut avoir de l’importance. Et les ordinateurs peuvent repérer de petites différences entre des centaines d’échantillons bien plus précisément et rapidement que ne le ferait un humain » a commenté Michael Snyder [2].

Prédire le pronostic de patients sur la base d’une analyse histopathologique quantitative

Les chercheurs se sont ensuite focalisés sur un sous-groupe de caractéristiques identifiées par la machine permettant de différencier au mieux les cellules tumorales du reste du tissu, d’ identifier le sous-type de cancer et de prédire la survie du patient. Ils ont d’ailleurs été capables d'établir deux groupes : les patients à survie longue et ceux à survie courte, ayant un adénocarcinome de stade I (p<0,003) ou un cancer épidermoïde (p = 0,023).

 
C’est la première étude qui se révèle capable de prédire la pronostic de patients sur la base d’une analyse histopathologique quantitative à partir d’images sur la totalité de la lame – Les auteurs
 

Puis, pour valider la capacité du logiciel à distinguer entre les deux durées de survie, les chercheurs ont analysé les images issues de 294 microéchantillons de tissus de la banque de données de la Stanford Tissue Microarray (TMA), comprenant une image histopathologique représentative sélectionnée par des pathologistes pour chacun des 227 adénocarcinomes pulmonaires et des 67 carcinomes épidermoïdes.

« A notre connaissance, c’est la première étude qui se révèle capable de prédire la pronostic de patients sur la base d’une analyse histopathologique quantitative à partir d’images sur la totalité de la lame » résument les auteurs.

En complément de l’analyse du pathologiste

Au final, la machine est-elle sur le point de détrôner le pathologiste ? Interrogé par nos confrères de Medscape Oncology, le Dr Kun-Hsing Yu (Department of Genetics, Stanford University), premier auteur de l’article, reste mesuré et considère cette approche objective comme un « complément de l’analyse subjective des pathologistes ».

Invité à commenter l’étude sans y avoir participé, le Pr Thomas M. Wheeler (Department of Pathology & Immunology, Baylor College of Medicine, Houston) reconnait qu’il s’agit d’ « une étude importante qui montre à quel point la morphologie de la cellule tumorale est pertinente, en complément de la signature génomique, à condition de disposer de l’algorithme qui aide à comprendre la signification de ces changements morphologiques ». Mais il ajoute : « Le médecin pathologiste est toujours celui qui doit déterminer si la personne a, ou non, un cancer. Cette étude ne changera pas le rôle du pathologiste quand il s’agit d’établir un diagnostic différentiel ».

 
Cette étude ne changera pas le rôle du pathologiste quand il s’agit d’établir un diagnostic différentiel -- Pr Wheeler
 

Si l’étude se focalise sur le cancer du poumon, les chercheurs estiment néanmoins que ce type d’approche pourrait être utilisé pour d’autres cancers. Et Michael Snyder d’anticiper sur l’avenir : « Nous avons lancé cette étude car nous voulons marier l’imagerie et nos études sur les omiques (protéomique, génomique…) pour mieux comprendre les processus cancéreux au niveau moléculaire. Une telle association fera passer la pathologie cancéreuse dans le 21ème siècle avec potentiellement des avancées impressionnantes pour les patients et les cliniciens. »

 

Les auteurs n’ont pas déclaré de liens d’intérêt. Crédit photo : Yu KH et coll.

 

REFERENCES:

  1. Yu, K.-H, Zhang C, Berry JG et al. Predicting non-small cell lung cancer prognosis by fully automated microscopic pathology image features. Nat. Commun. 7:12474 doi: 10.1038/ncomms12474 (2016).

  2. Computers trounce pathologists in predicting lung cancer type, severity, communiqué de presse de l’Université de Stanford, 16 août 2016.

  3. Russo P. Delayed systemic treatment in metastatic renal-cell carcinoma. Lancet oncology 2016, Published online August 3, 2016 http://dx.doi.org/10.1016/S1470-2045(16)30247-9

Commenter

3090D553-9492-4563-8681-AD288FA52ACE
Les commentaires peuvent être sujets à modération. Veuillez consulter les Conditions d'utilisation du forum.

Traitement....