Caractérisation moléculaire de lésions tumorales par imagerie spectrale infrarouge : implémentation d'un nouveau concept basé sur l'histopathologie spectrale pour le diagnostic du cancer du côlon

• Main Author: Nallala, Jayakrupakar
• Other Authors: Reims
• Language: fr
• Published: 2012
• Subjects: Lésions tumorale; Tumeur agressive; Micro-Spectroscopie; Imagerie spectrale; Marqueurs spectroscopiques.; Tumoral lesions; Aggressive tumors; Micro-Spectroscopy; Spectral Imaging; Spectral Markers
• Online Access: http://www.theses.fr/2012REIMS032/document

A l'heure actuelle, des méthodes innovatrices complémentaires à l'histopathologie pour le diagnostic de cancer sont en voie de développement. Dans cette perspective, une approche biophotonique telle la micro-imagerie spectrale infrarouge représente une méthode candidate capable de fournir une empreinte biochimique des cellules et des tissus sans étape de marquage. Par conséquent, un nouveau concept d'histopathologie spectrale infrarouge des tissus du côlon a été mis en œuvre afin d'identifier les signatures spectrales spécifiques des structures histologiques du côlon, et d'exploiter ces signatures afin de développer un modèle de prédiction comprenant des marqueurs potentiels pour le diagnostic du cancer du côlon de manière rapide et automatisée. Pour cela, les images infrarouges de différents échantillons coliques (adénocarcinome modérément différencié et non-tumorale) ont été acquises en utilisant un système d'imagerie infrarouge. Un déparaffinage mathématique a été réalisé sur les images spectrales en utilisant l'algorithme « extended multiplicative signal correction » (EMSC). Les données spectrales ont été soumises à une analyse de clustering, afin d'identifier les signatures spectrales spécifiques des tissus du côlon. Ces signatures ont été utilisées pour développer un modèle de prédiction robuste qui a été appliqué sur des échantillons des tissus du côlon inconnus pour l'identification histopathologique. Le modèle de prédiction, a non seulement identifié d'une part les tissus tumoraux inconnus avec une sensibilité de 100%, mais aussi d'autre part des caractéristiques importantes associées à la tumeur telles que le tumor budding et l'association de la tumeur et du stroma. La micro-imagerie spectrale infrarouge en conjonction avec l'analyse statistique multivariée, constituant une approche non destructive et ne nécessitant aucun marquage, démontre le potentiel de cette méthode comme outil complémentaire à l'histopathologie classique pour un diagnostic de cancer automatisé et objectif. === Innovative cancer diagnostic methods complementary to the gold standard histopathology are the need of the hour. In this perspective, the biophotonic approach of infrared spectral micro-imaging is one of the candidate methods capable of providing a biochemical fingerprint of cells and tissues in a label-free manner. Hence, a novel concept of infrared spectral histopathology of colonic tissues has been implemented in order to identify spectral signatures specific of colon histological structures, and to exploit these signatures to develop a prediction model comprising potential diagnostic markers for rapid and automated colon cancer diagnosis. For this, infrared images of colonic samples (moderately differentiated adenocarcinoma and non-tumoral) were acquired using an infrared imaging system. A mathematical deparaffinization was carried out on the spectral images using a modified Extended Multiplicative Signal Correction (EMSC) algorithm. The spectral data was subjected to clustering analysis in order to identify spectral signatures specific of colonic tissues. These signatures were used to develop a robust prediction model which was applied on unknown colonic tissue samples for histopathological identification. The prediction model not only identified the unknown tumoral tissues with 100 % sensitivity, but also some important tumor associated features such as tumor budding and tumor stroma association. Infrared spectral micro-imaging in conjunction with multivariate statistical analysis constituting a non-destructive and label-free approach, demonstrates the potential as a novel complementary tool to conventional histopathology for an automated and objective cancer diagnosis.