Analyse de l’immunohistochimie

Les images de coupes histologiques sont obtenues par des microscopes équipés d’un numériseur. Nos algorithmes d’analyse séparent automatiquement les couleurs des images selon plusieurs méthodes.

Voici un exemple sur des images représentant des dommages de type CPD (dimères cyclobutyliques de pyrimidines) induits par des rayons ultraviolets de type B (UVB) dans la peau (laboratoire de Girish Shah).

221 images du derme de la peau d’animaux sont analysées en série par un algorithme systématique. Dans l’épiderme, les noyaux cellulaires sont colorés en bleu et ceux endommagés par les UVB sont colorés en brun. Voici une image obtenue par microscopie en fond clair :

Les noyaux entourés en rouge sont endommagés et ceux entourés seulement en vert sont intacts ou très peu endommagés. Ces colorations immunohistochimiques sont adaptées au comptage des cellules mais ne le sont pas en général à la mesure de l’intensité des marqueurs. En effet, la réponse des marqueurs est rarement linéaire avec la concentration de leurs cibles. La mesure des intensités en immunohistochimie requiert des conditions expérimentales strictement contrôlées qui sont difficiles à atteindre. Nous pouvons produire plusieurs quantifications courantes sur cette série d’images :

– le pourcentage de cellules endommagées (par rapport au nombre total de cellules),
– la densité de cellules endommagées,
– des valeurs de caractérisation de la morphologie des cellules.

Bien plus que les images en fluorescence, les images en histochimie sont fastidieuses à analyser. Un taux d’erreur mesurable dans la détection est inévitable que ce soit par une méthode manuelle ou une méthode par algorithme. Cependant l’algorithme peut analyser des centaines ou des milliers d’images provenant d’une expérience, ce qui est impensable via une méthode manuelle. Il en découle une réduction très significative de l’erreur sur le résultat final de l’analyse par algorithme. L’efficacité de notre algorithme se mesure à la fois en terme de précision des résultats, de gain de temps et d’économie de budget (voir le tableau ci-dessous).

221 imagesAnalyse par algorithmeAnalyse manuelle
Durée2 h 40 min~ 20 jours
Reprise d’analyseAucune contrainteInconcevable
StandardisationOptimaleDifficile
Mesure du bruit de fondToute l’imageÉchantillonnage
Contrôle qualitéL’algorithme montre visuellement ce qu’il détecte pour chaque imageOui
PrécisionOptimale (toutes les images sont traitées de la même façon)Variable
Coût302 $ (analyse de routine)20 jour(s) de salaire/bourse