Coloration virtuelle de tissus en 3D

Rudolf Virchow a révolutionné la médecine lorsqu’il a formulé sa théorie cellulaire de la maladie au^XIXe siècle : les maladies ne surgissent pas de manière inexplicable au sein de l’organisme, mais dans des cellules et des tissus spécifiques. Aujourd’hui encore, la pathologie – l’étude des processus pathologiques – repose essentiellement sur l’examen fastidieux de fines coupes tissulaires, qui sont colorées puis observées au microscope.

Une équipe de recherche internationale de l’Institut Paul Scherrer (PSI) a désormais réussi à surmonter cette limitation bidimensionnelle. À l’aide de la micro-tomographie par ordinateur (µCT) haute résolution et de l’intelligence artificielle, un groupe dirigé par le physicien Goran Lovric, du Centre des sciences des photons du PSI, a généré des colorations virtuelles d’échantillons de tissus, appelées « colorations histologiques ». Cela pourrait potentiellement rendre superflue la préparation et la coloration de coupes ultrafines et délicates. « Nous avons démontré pour la première fois qu’une coloration virtuelle basée sur la tomographie peut fournir des résultats similaires à ceux de l’histologie conventionnelle en laboratoire », explique Goran Lovric. « Cela pourrait ouvrir la voie à une multitude d’applications cliniques et scientifiques. »

Les marqueurs colorés familiers de l’histologie

Les chercheurs ont combiné la micro-tomodensitométrie à contraste de phase (PCµCT) haute résolution avec des méthodes d’apprentissage automatique. La plateforme s’appelle VISTACT – abréviation de « virtual staining of micro-computed tomography » (coloration virtuelle par micro-tomodensitométrie). Alors que la tomodensitométrie classique mesure principalement les différences de densité des rayons X, la micro-tomodensitométrie à contraste de phase exploite des informations supplémentaires issues des rayons X, permettant ainsi une bien meilleure visualisation des tissus mous. Cela permet une visualisation en trois dimensions de structures anatomiques fines à l’échelle du micromètre – mais jusqu’à présent, uniquement en niveaux de gris. En pathologie, cependant, les spécialistes sont formés à interpréter les contrastes de couleur typiques des colorations histologiques classiques : les noyaux cellulaires apparaissent bleu-violet, le collagène rose et les fibres élastiques sombres. Bon nombre de ces repères visuels sont perdus dans les jeux de données de tomodensitométrie en niveaux de gris.

« Nous avons donc souhaité transposer l’univers chromatique familier de l’histologie aux données tomodensitométriques tridimensionnelles », explique Lovric. Pour y parvenir, les chercheurs ont entraîné un modèle d’IA spécialisé à l’aide de paires de coupes histologiques réelles et de leurs tomodensitométries correspondantes. Le modèle d’IA a ainsi appris à associer chaque motif microscopique à la coloration qui lui est généralement propre. Il a ensuite été capable de colorer virtuellement de nouvelles données de tomodensitométrie – ce qui revient essentiellement à une traduction automatique entre deux univers d’images.

Une localisation plus précise

Une étape technique cruciale a consisté à cartographier précisément les images. Les coupes histologiques ne mesurent que quelques micromètres d’épaisseur et peuvent facilement se déformer lors de la section ou du montage. De plus, il est essentiel de déterminer exactement où se situe chaque coupe au sein de l’ensemble de données tomodensitométriques tridimensionnel. Le groupe de recherche de Lovric a mis au point un processus en plusieurs étapes qui identifie automatiquement la couche correspondante et la compare aux données histologiques. Selon les chercheurs, cette cartographie spatiale est nettement plus précise que les méthodes standard utilisées jusqu’à présent.

Pour réaliser la coloration virtuelle, les chercheurs ont utilisé ce qu’on appelle un réseau antagoniste génératif conditionnel – un modèle d’IA spécialisé dans la traduction d’image en image. À partir d’images en niveaux de gris issues de micro-scanners CT, le modèle a généré des échantillons histologiques virtuels. Fait remarquable, l’IA n’a pas simplement produit des zones de couleur grossières, mais a plutôt différencié de manière plausible divers types de composants tissulaires : le sang dans les vaisseaux capillaires apparaissait jaunâtre, les structures de collagène roses, et les surfaces pulmonaires grises à violettes.

Un test sur du tissu pulmonaire confirme la validité du concept

Les chercheurs ont testé leur nouvelle méthode sur des tissus pulmonaires prélevés chez des personnes atteintes d’hypertension pulmonaire. Cette pathologie s’accompagne d’un remodelage pathologique des vaisseaux pulmonaires. « Nous avons pu cartographier en trois dimensions les régions vasculaires altérées », explique Cristina Almagro-Pérez. Première autrice de cette nouvelle publication, elle a travaillé au sein du groupe de Goran Lovric dans le cadre de son mémoire de master. Elle mène aujourd’hui des recherches aux États-Unis.

Cette nouvelle technique peut être automatisée et fonctionne nettement plus rapidement que la méthode actuelle. Elle n’est toutefois pas encore prête à être utilisée de manière courante dans les hôpitaux : l’imagerie par contraste de phase nécessaire a été réalisée sur la ligne de lumière TOMCAT de la Swiss Light Source (SLS), l’une des grandes installations de recherche du PSI. Les volumes de données générés étaient considérables, et la résolution s’est souvent avérée insuffisante pour représenter de manière fiable les noyaux cellulaires individuels.

De plus, l’histologie virtuelle reste une reconstruction statistique : la plateforme d’IA ne génère pas d’informations histologiques réelles, mais plutôt des prédictions plausibles basées sur les données d’apprentissage. Almagro-Pérez et Lovric soulignent que la procédure n’a pas encore atteint le niveau de qualité requis pour un diagnostic de routine. Toutefois, la « preuve de concept » a été établie, et la méthode est, en principe, applicable à l’examen de diverses maladies. En particulier dans l’examen des tumeurs, des lésions vasculaires ou des architectures tissulaires complexes, cette forme de pathologie 3D non destructive a le potentiel d’accélérer la recherche sur les biomarqueurs de maladies et d’ouvrir ainsi, à long terme, de nouvelles perspectives diagnostiques.

Plus de 150 ans après l’avènement de la pathologie cellulaire de Virchow, l’histologie pourrait à nouveau être à l’aube d’une transformation fondamentale.