Du cliché numérique entier à la prédiction de biomarqueurs : un protocole d'apprentissage profond end-to-end en pathologie computationnelle

Les images de lame entière (WSI) colorées à l’hématoxyline et à l’éosine (H&E) constituent la base du diagnostic du cancer. Ces dernières années, le développement de méthodes fondées sur l’apprentissage profond en pathologie computationnelle a permis la prédiction directe de biomarqueurs à partir des WSIs. Toutefois, établir avec précision des liens entre phénotypes tissulaires et biomarqueurs à grande échelle reste un défi majeur pour la démocratisation des biomarqueurs complexes en oncologie de précision. Ce protocole décrit un flux de travail pratique pour la modélisation associative des tumeurs solides en pathologie (STAMP), permettant la prédiction de biomarqueurs directement à partir des WSIs grâce à l’apprentissage profond. Le flux STAMP est indépendant des biomarqueurs et permet d’intégrer, en complément des images histopathologiques, des données tabulaires génétiques et clinico-pathologiques. Le protocole se compose de cinq étapes principales, déjà appliquées avec succès à divers problèmes de recherche : définition formelle du problème, prétraitement des données, modélisation, évaluation et translation clinique. Le flux STAMP se distingue par son orientation vers une architecture collaborative, conçue pour être utilisée aussi bien par des cliniciens que par des ingénieurs dans le cadre de projets de recherche en pathologie computationnelle. À titre d’exemple, nous avons appliqué STAMP à la prédiction de l’état d’instabilité des microsatellites (MSI) dans le cancer colorectal, obtenant des performances précises pour l’identification des tumeurs MSI-haute. En outre, nous mettons à disposition une base de code open source, déployée dans plusieurs hôpitaux à travers le monde, pour mettre en œuvre des workflows en pathologie computationnelle. L’exécution manuelle du flux STAMP nécessite environ une journée de travail et des connaissances élémentaires en ligne de commande.