Apport de la segmentation préalable des objets biologiques dans des images microscopiques de cancers du sein, pour la prédiction de leur sous-type moléculaire

Jehanno, Vincent (2022) Apport de la segmentation préalable des objets biologiques dans des images microscopiques de cancers du sein, pour la prédiction de leur sous-type moléculaire. Thèse d'exercice en Thèses > Médecine spécialisée, Université Toulouse III - Paul Sabatier.

Preview

PDF Télécharger (3MB)

Résumé en français

La prise en charge thérapeutique des cancers du sein infiltrants localisés comprend un traitement locorégional associé ou non à un traitement systémique. Pour certaines tumeurs, le choix de recourir à une chimiothérapie adjuvante est difficile et une analyse moléculaire peut être réalisée afin d'étayer ce choix. L'objectif de notre étude était d'évaluer et de comparer les performances de prédiction du sous-type moléculaire donné par la signature moléculaire Prosigna(r) PAM50, à partir d'images microscopiques de cancers du sein. Deux méthodes étaient comparées : une se basant sur du deep learning et l'autre sur une analyse par machine learning de features morphologiques extraites au préalable. Nous avons pu mettre en évidence des performances de prédiction sensiblement équivalentes pour chaque méthode, avec des accuracy de l'ordre de 70 %. La combinaison de ces méthodes avec les CCPT semblent améliorer légèrement la prédiction, avec des améliorations sensiblement identiques pour ces 2 méthodes. L'analyse de l'interprétabilité des résultats montrent que certains critères ou features semblent plus importants que d'autres pour la prédiction du sous-type intrinsèque. En effet, le nombre de mitoses par mm² et le Ki67 semblent surpasser les autres critères. Le deep learning semble porter un intérêt aux zones riches en lymphocytes pour le sous-type luminal B. Et l'analyse des features nucléaires semblent montrer que les tumeurs luminales B correspondent à des tumeurs avec une cellularité augmentée, des noyaux globalement plus arrondis mais aux contours plus irréguliers, et un pléomorphisme plus faible ; contrairement aux tumeurs luminales A.

Actions (login required)

Voir document