Recherche de tissus avec des mots

Une artère enflammée, une tumeur qui se propage dans le poumon ou des dommages subtils dans un organe : lorsque les médecins ou les chercheurs veulent comprendre ce qui se passe à l'intérieur d'un tissu, l'un des outils les plus fiables reste le microscope. Aujourd'hui, les microscopes sont largement numérisés : un simple échantillon de tissu peut être scanné pour obtenir une image de lames entières si détaillée qu'il est possible de zoomer d'une vue d'ensemble du tissu jusqu'aux cellules individuelles. Ces images contiennent donc d'énormes informations sur les tissus à différentes échelles.

Cependant, ces images sont énormes, complexes et souvent difficiles à analyser d'une manière moderne et axée sur les données. Alors que la génétique et la biologie de la cellule unique ont mis au point des méthodes efficaces de partage et de comparaison des données, les images pathologiques numériques sont difficiles à intégrer : elles sont stockées dans des formats propriétaires, traitées avec des outils incompatibles et difficiles à relier à des informations moléculaires telles que le séquençage de l'ARN. Ainsi, les ressources précieuses que constituent les images de tissus numérisés sont largement sous-utilisées dans de nombreux contextes cliniques et de recherche.

Une nouvelle étude du groupe d'André Rendeiro, chercheur principal au CeMM, présente LazySlide, une application libre conçue pour rendre l'analyse d'images de lames entières plus accessible, interopérable et prête à être intégrée dans les mêmes flux de travail informatiques que ceux qui régissent déjà la génomique moderne.

Des "jolies images" à la biologie consultable

LazySlide permet aux scientifiques de décomposer les images de lames entières en régions plus petites et plus faciles à gérer et de les analyser à l'aide de modèles d'intelligence artificielle avancés. Ces modèles peuvent reconnaître des schémas dans la structure des tissus, identifier différents types de cellules et quantifier des changements subtils dans l'architecture des tissus, sans nécessiter d'annotations manuelles approfondies.

L'étude montre surtout que les informations visuelles provenant d'images de tissus peuvent être directement liées à des données moléculaires telles que les profils d'expression génétique. Dans un exemple, les chercheurs ont analysé des échantillons de tissus artériels avec et sans calcification, un processus pathologique associé aux maladies cardiovasculaires. LazySlide a non seulement distingué les tissus sains des tissus malades sur la base des seules caractéristiques de l'image, mais a également révélé des voies biologiques, telles que la signalisation inflammatoire, qui ne sont devenues visibles que lorsque les données d'image et les données de séquençage de l'ARN ont été analysées ensemble.

"L'histologie contient une énorme quantité d'informations biologiques, mais il est souvent difficile d'y accéder par le calcul", explique Yimin Zheng, premier auteur de l'étude. "Avec LazySlide, nous voulions fournir un outil qui permette aux chercheurs d'explorer les images de tissus de manière systématique et quantitative et de relier ce qu'ils voient au microscope aux processus moléculaires sous-jacents."

Recherche de tissus avec des mots

L'une des caractéristiques particulièrement innovantes de LazySlide est sa capacité à relier les images au langage naturel. En utilisant des modèles d'intelligence artificielle qui associent des modèles visuels à des concepts textuels, les chercheurs peuvent poser des questions telles que l'endroit où apparaissent des signes de "calcification" dans un échantillon de tissu. Le logiciel met alors en évidence les régions pertinentes et génère des scores quantitatifs, transformant ainsi les impressions visuelles en données mesurables.

Cette approche permet également une analyse dite "zéro cliché" : LazySlide peut reconnaître l'organe d'origine des échantillons de tissus ou distinguer les tissus sains des tissus malades sans être spécifiquement formé à chaque tâche. Cela réduit considérablement les obstacles à l'application de méthodes d'analyse d'images avancées dans la recherche biomédicale.

Un outil ouvert et interopérable

LazySlide a été conçu pour s'intégrer de manière transparente aux outils de biologie informatique existants, largement utilisés en génomique et dans la recherche sur les cellules uniques. En rendant la pathologie numérique plus interopérable avec ces flux de travail établis, le logiciel contribue à intégrer l'imagerie tissulaire dans l'écosystème plus large des sciences de la vie basées sur les données.

"Notre objectif était de rendre l'analyse d'images de lames entières plus accessible et plus connectée aux types de données que les chercheurs utilisent déjà tous les jours", explique André Rendeiro. "En traitant les images de tissus comme des ensembles de données riches plutôt que comme des images statiques, nous pouvons acquérir de nouvelles connaissances sur la façon dont les maladies façonnent la biologie humaine."

L'étude, publiée dans Nature Methods, met en évidence la façon dont des outils libres et flexibles comme LazySlide peuvent accélérer la recherche et aider à combler le fossé entre la structure des tissus et la fonction moléculaire - une étape essentielle vers une compréhension plus intégrée de la santé et de la maladie.