Imagerie 3D rapide en cytopathologie numérique : Scanner à réseau multi-caméras (MCAS)

Contexte académique

La microscopie optique a longtemps été la méthode standard pour le diagnostic en cytopathologie. Cependant, les scanners de lame entière traditionnels, bien qu’ils puissent automatiquement imager et numériser de grandes zones d’échantillons, sont lents, coûteux et donc peu répandus. En particulier, dans le diagnostic clinique des échantillons cytologiques, les échantillons sont souvent répartis sur de grandes surfaces et sont épais, ce qui nécessite une imagerie 3D. Les technologies actuelles de numérisation de lame entière prennent souvent plusieurs heures pour scanner des échantillons épais, ce qui limite considérablement leur utilisation clinique. Par conséquent, le développement d’une technologie capable d’imager rapidement et efficacement des échantillons épais en 3D est devenu un défi majeur dans le domaine de la cytopathologie.

Cet article propose un nouveau scanner à réseau multi-caméras (Multi-Camera Array Scanner, MCAS) pour relever ce défi. Le MCAS, grâce à sa conception de microscope parallélisé, permet une imagerie 3D à haute résolution de grandes surfaces et d’échantillons épais en un temps très court, combinée à des techniques d’apprentissage automatique pour aider les pathologistes à diagnostiquer rapidement.

Source de l’article

Cet article a été co-écrit par Kanghyun Kim, Amey Chaware, Clare B. Cook et d’autres auteurs, issus de Duke University, University of California Berkeley, Ramona Optics Inc. et d’autres institutions. L’article a été publié en 2024 dans la revue npj Imaging.

Processus de recherche

1. Conception du système MCAS

Le système MCAS est composé de 48 capteurs d’image CMOS de 13 mégapixels indépendants, chacun équipé d’un objectif haute résolution personnalisé. Ces capteurs sont étroitement disposés dans une grille de 6×8, chaque caméra imageant simultanément des zones différentes. Grâce à cette conception, le MCAS peut capturer 624 mégapixels en une seule prise, ce qui est nettement plus rapide que les scanners de lame entière traditionnels.

Le système MCAS est également équipé de plateaux d’échantillons et de firmware associé, permettant de déplacer rapidement jusqu’à trois lames pour effectuer une numérisation 3D. Le système peut scanner des échantillons épais à des résolutions de 1,2 micromètre et 0,6 micromètre, avec une profondeur de balayage allant jusqu’à 150 micromètres. Cette imagerie parallélisée permet théoriquement d’augmenter la vitesse d’imagerie par un facteur de 48.

2. Imagerie rapide de lame entière

Pour démontrer la capacité d’imagerie 3D rapide de lame entière du MCAS, l’équipe de recherche a scanné 16 échantillons cytologiques pulmonaires colorés au Diff-Quik, incluant des échantillons positifs pour l’adénocarcinome et des échantillons bénins. En utilisant un objectif avec une ouverture numérique (NA) de 0,3 et un pas axial de 5 micromètres, le MCAS a scanné trois lames en moins de 5 minutes, soit moins de 2 minutes par lame. En comparaison, les scanners de lame entière actuels prennent généralement 1 minute pour un scan 2D et plusieurs dizaines de minutes pour un scan 3D.

3. Évaluation de l’adéquation des échantillons thyroïdiens

L’acquisition rapide de données 3D par le MCAS et la navigation via GigaViewer permettent l’examen à distance des frottis cytologiques. L’équipe de recherche a appliqué le MCAS à l’évaluation de l’adéquation des frottis de ponction à l’aiguille fine (FNA) thyroïdienne. En numérisant 26 frottis FNA thyroïdiens et en les affichant à trois pathologistes pour évaluation, les résultats ont montré que les décisions d’adéquation du MCAS étaient comparables aux standards actuels, avec une sensibilité de 100 % et une spécificité de 94,4 %.

4. Détection de l’adénocarcinome dans les échantillons pulmonaires

Pour analyser et examiner plus efficacement les données 3D des frottis cytologiques, l’équipe de recherche a exploré l’utilisation d’algorithmes d’apprentissage automatique sur les données d’image du MCAS. Plus précisément, ils ont utilisé le MCAS pour imager cinq frottis FNA pulmonaires et ont entraîné un modèle de détection d’objets basé sur l’algorithme YOLOv7 pour localiser les zones d’adénocarcinome dans les frottis. Le modèle a atteint une précision moyenne de 0,645 et un rappel de 0,73.

5. Classification de l’adénocarcinome dans les échantillons pulmonaires

Dans le diagnostic des frottis FNA pulmonaires, déterminer l’emplacement spatial des zones de maladie n’est pas toujours nécessaire, l’objectif principal étant de classer le type de cancer. Par conséquent, l’équipe de recherche a conçu un réseau de classification au niveau de la lame basé sur l’apprentissage multi-instances (Multiple Instance Learning, MIL). En utilisant une validation croisée à 4 plis, le modèle a montré une précision moyenne de 0,930 et une AUC de 0,969.

Résultats principaux

1. Conception du système MCAS : Le MCAS peut imager rapidement des échantillons épais en 3D à des résolutions de 1,2 micromètre et 0,6 micromètre, avec une vitesse de numérisation nettement supérieure à celle des scanners de lame entière traditionnels.
2. Imagerie rapide de lame entière : Le MCAS a scanné trois lames cytologiques pulmonaires en moins de 5 minutes, démontrant sa capacité d’imagerie 3D efficace.
3. Évaluation de l’adéquation des échantillons thyroïdiens : La fonction d’évaluation à distance du MCAS est comparable aux standards actuels, optimisant efficacement les workflows cytologiques.
4. Détection de l’adénocarcinome : Grâce à l’algorithme YOLOv7, le MCAS peut localiser rapidement les zones d’adénocarcinome dans les frottis FNA pulmonaires, avec un rappel de 0,73.
5. Classification de l’adénocarcinome : Le modèle de classification au niveau de la lame basé sur le MIL a montré une excellente performance lors de la validation croisée à 4 plis, avec une AUC de 0,969.

Conclusion

Le MCAS, grâce à sa conception de microscope parallélisé, améliore considérablement la vitesse d’imagerie 3D des échantillons cytologiques épais, permettant une numérisation complète de lame en quelques minutes. Combiné à des algorithmes d’apprentissage automatique, le MCAS peut non seulement aider les pathologistes à diagnostiquer rapidement, mais aussi optimiser les workflows cytologiques, améliorant l’efficacité et la précision du diagnostic clinique. À l’avenir, avec une optimisation et une réduction des coûts supplémentaires du système MCAS, ses perspectives d’application en pathologie numérique seront encore plus vastes.

Points forts de la recherche

1. Imagerie 3D rapide : Le MCAS peut effectuer une imagerie 3D complète de lames cytologiques épaisses en quelques minutes, augmentant considérablement la vitesse de numérisation.
2. Diagnostic assisté par apprentissage automatique : Grâce aux algorithmes YOLOv7 et MIL, le MCAS peut localiser et classer rapidement les zones d’adénocarcinome, aidant les pathologistes dans leur diagnostic.
3. Fonction d’évaluation à distance : La navigation via GigaViewer du MCAS permet l’examen à distance des frottis cytologiques, optimisant les workflows cytologiques.
4. Coût efficace : La vitesse d’imagerie du MCAS est nettement supérieure à celle des scanners de lame entière traditionnels, avec un coût réduit, offrant un potentiel d’application étendu.

Autres informations utiles

La conception du système MCAS ne se limite pas à la cytopathologie et peut être étendue à d’autres domaines nécessitant une imagerie 3D rapide et à haute résolution, tels que la recherche biomédicale et l’inspection industrielle. À l’avenir, l’équipe de recherche prévoit d’optimiser davantage le système d’éclairage et les capacités de traitement des données 3D du MCAS pour améliorer ses performances dans différents scénarios d’application.