Quand les chirurgiens enlèvent le cancer, l'une des premières questions est, « Est-ce qu'ils ont tout compris ? » Des chercheurs de l'Université Rice et de l'Université du Texas MD Anderson Cancer Center ont créé un nouveau microscope qui peut rapidement et à peu de frais imager de grandes sections de tissus, potentiellement pendant la chirurgie, pour trouver la réponse.

Le microscope peut rapidement imager des morceaux de tissu relativement épais avec une résolution cellulaire, et pourrait permettre aux chirurgiens d'inspecter les marges des tumeurs quelques minutes après leur ablation. Il a été créé par des ingénieurs et des physiciens appliqués de Rice et est décrit dans une étude publiée cette semaine dans le Actes de l'Académie nationale des sciences .

"L'objectif principal de la chirurgie est d'enlever toutes les cellules cancéreuses, mais le seul moyen de savoir si vous avez tout est de regarder la tumeur au microscope, " a déclaré Mary Jin de Rice, un doctorat étudiant en génie électrique et informatique et co-auteur principal de l'étude. "Aujourd'hui, vous ne pouvez le faire qu'en découpant d'abord le tissu en sections extrêmement fines, puis en imageant ces sections séparément. Ce processus de tranchage nécessite un équipement coûteux et l'imagerie ultérieure de plusieurs tranches prend du temps. Notre projet vise essentiellement à imager directement de grandes sections de tissu, sans aucun tranchage."

Le microscope à profondeur de champ étendu à apprentissage en profondeur de Rice, ou DeepDOF, utilise une technique d'intelligence artificielle connue sous le nom d'apprentissage en profondeur pour former un algorithme informatique afin d'optimiser à la fois la collecte d'images et le post-traitement d'images.

Avec un microscope typique, il y a un compromis entre la résolution spatiale et la profondeur de champ, ce qui signifie que seules les choses qui sont à la même distance de l'objectif peuvent être clairement mises au point. Les éléments qui sont même à quelques millionièmes de mètre plus près ou plus loin de l'objectif du microscope apparaîtront flous. Pour cette raison, les échantillons de microscope sont généralement minces et montés entre des lames de verre.

Les lames sont utilisées aujourd'hui pour examiner les marges tumorales, et ils ne sont pas faciles à préparer. Les tissus prélevés sont généralement envoyés à un laboratoire hospitalier, où les experts le congèlent ou le préparent avec des produits chimiques avant de faire des tranches très fines et de les monter sur des lames. Le processus prend du temps et nécessite un équipement spécialisé et des travailleurs qualifiés. Il est rare que les hôpitaux aient la possibilité d'examiner les lames pour les marges tumorales pendant la chirurgie, et les hôpitaux de nombreuses régions du monde manquent de l'équipement et de l'expertise nécessaires.

« Les méthodes actuelles de préparation des tissus pour l'évaluation de l'état des marges pendant la chirurgie n'ont pas changé de manière significative depuis leur introduction il y a plus de 100 ans, " a déclaré Ann Gillenwater, co-auteur de l'étude, MARYLAND., professeur de chirurgie de la tête et du cou au MD Anderson. "En apportant la capacité d'évaluer avec précision l'état de la marge à plus de sites de traitement, le DeepDOF a le potentiel d'améliorer les résultats pour les patients cancéreux traités par chirurgie."

Le doctorat de Jin conseiller, l'auteur co-correspondant de l'étude Ashok Veeraraghavan, a déclaré que DeepDOF utilise un microscope optique standard en combinaison avec un masque de phase optique peu coûteux coûtant moins de 10 $ pour imager des morceaux entiers de tissu et offrir des profondeurs de champ jusqu'à cinq fois supérieures à celles des microscopes de pointe d'aujourd'hui.

"Traditionnellement, les équipements d'imagerie tels que les caméras et les microscopes sont conçus séparément des logiciels et algorithmes de traitement d'images, " a déclaré Yubo Tang, co-auteur principal de l'étude, une associée de recherche postdoctorale dans le laboratoire de l'auteure co-correspondante Rebecca Richards-Kortum. "DeepDOF est l'un des premiers microscopes conçu avec l'algorithme de post-traitement à l'esprit."

Le masque de phase est placé sur l'objectif du microscope pour moduler la lumière entrant dans le microscope.

"La modulation permet un meilleur contrôle du flou dépendant de la profondeur dans les images capturées par le microscope, " dit Veeraraghavan, expert en imagerie et professeur agrégé en génie électrique et informatique à Rice. "Ce contrôle permet de garantir que les algorithmes de suppression du flou appliqués aux images capturées récupèrent fidèlement les informations de texture à haute fréquence sur une plage de profondeurs beaucoup plus large que les microscopes conventionnels."

DeepDOF le fait sans sacrifier la résolution spatiale, il a dit.

"En réalité, à la fois le modèle de masque de phase et les paramètres de l'algorithme de suppression du flou sont appris ensemble à l'aide d'un réseau de neurones profonds, ce qui nous permet d'améliorer encore les performances, " a déclaré Veeraraghavan.

DeepDOF utilise un réseau de neurones d'apprentissage en profondeur, un système expert qui peut apprendre à prendre des décisions humaines en étudiant de grandes quantités de données. Pour former DeepDOF, les chercheurs l'ont montré 1, 200 images issues d'une base de données de lames histologiques. À partir de ce, DeepDOF a appris à sélectionner le masque de phase optimal pour l'imagerie d'un échantillon particulier et a également appris à éliminer le flou des images qu'il capture à partir de l'échantillon, mettant au point des cellules de profondeurs variables.

« Une fois le masque de phase sélectionné imprimé et intégré au microscope, le système capture les images en un seul passage et l'algorithme ML (machine learning) effectue le débrouillage, " a déclaré Veeraraghavan.

Richards-Kortum, Professeur à l'Université Rice, Malcolm Gillis, professeur de bio-ingénierie et directeur du Rice 360° Institute for Global Health, a déclaré que DeepDOF peut capturer et traiter des images en aussi peu que deux minutes.

"Nous avons validé la technologie et montré la preuve de principe, " Richards-Kortum a déclaré. " Une étude clinique est nécessaire pour savoir si DeepDOF peut être utilisé comme proposé pour l'évaluation des marges pendant la chirurgie. Nous espérons commencer la validation clinique dans l'année à venir."