MONTRÉAL, le 27 février 2024 – Une équipe dirigée par le professeur Mathieu Dehaes et le Dr Sébastien Perreault, chercheurs au CHU Sainte-Justine, a récemment mis au point une méthode de segmentation semi-automatique permettant de mesurer rapidement et avec précision les neurofibromes, des tumeurs infiltrant les nerfs. Grâce à un algorithme analysant l’intensité des pixels des imageries par résonnance magnétique (IRM), elle permet de détecter les tumeurs dans plusieurs zones du corps identifiées par le médecin, afin de générer une mesure précise de leur volume en quelques minutes seulement. Cette méthode, développée par l’étudiante graduée en génie biomédical Dorsa Sadat Kiaei et publiée dans la revue Heliyon (Cell Press), constitue une avancée importante pour le suivi des enfants aux prises avec des neurofibromes.

Des tumeurs complexes et difficiles à mesurer

L’utilisation d’algorithmes pour segmenter les tumeurs ne date pas d’hier, et plusieurs sont couramment utilisés en clinique. Or, jusqu’à maintenant, aucune méthode algorithmique automatique n’a été démontrée efficace pour les neurofibromes. « Ce sont des tumeurs très particulières, avec des formes et des tailles variées, explique Mathieu Dehaes, également professeur de radiologie et génie biomédical à l’Université de Montréal. Comme elles s’infiltrent dans les nerfs et sont distribuées par petites masses, on les retrouve un peu partout dans le corps et dans différents tissus. » Ces caractéristiques des neurofibromes rendent leur segmentation – donc leur mesure – très complexe. C’est pourquoi à l’heure actuelle, les radiologues procèdent généralement de façon manuelle et utilisent seulement la longueur des neurofibromes. Une mesure rapide, mais peu précise pour suivre l’évolution des tumeurs complexes.

Passer à une évaluation du volume, beaucoup plus représentative, constitue ainsi une avancée majeure pour le suivi et le traitement des neurofibromes. « En ayant une segmentation en trois dimensions, notre méthode permet de détecter des changements très subtils même pour une tumeur complexe », se réjouit le Dr Sébastien Perreault, neurologue pédiatre au CHU Sainte-Justine et professeur adjoint de clinique à l’Université de Montréal. En outre, le caractère semi-automatique de l’analyse, qui requiert simplement de cerner les zones à examiner, rend le processus très rapide. Implantée dans les essais thérapeutiques et en clinique, elle contribuerait notamment à évaluer de manière plus exacte l’efficacité des traitements.

Vers une méthode entièrement automatique?

Cette étude constitue la première étape vers le développement d’une méthode entièrement automatique d’analyse des IRM, fondée sur l’apprentissage machine. En collaboration avec Polytechnique Montréal et grâce au financement de la Fondation du Grand défi Pierre Lavoie et de l’Association de la neurofibromatose du Québec, l’équipe travaille déjà à adapter aux neurofibromes des algorithmes démontrés efficaces pour la segmentation des gliomes, un autre type de tumeurs plus simples aux niveaux de la forme et de la répartition. « À terme, nous souhaiterions intégrer de tels algorithmes à même les services d’imagerie médicale, explique le professeur Mathieu Dehaes. Ainsi, quand l’enfant passera une IRM pour des neurofibromes ou d’autres tumeurs, il sera possible d’avoir immédiatement une évaluation volumétrique. Cela permettra par exemple d’ajuster le traitement sans attendre le prochain rendez-vous, afin d’optimiser le suivi médical pour chaque enfant. »