CNRS Innovation

Partenariats, création d'entreprises, brevets, licences, événement... Retrouvez tous les mois les dernières actualités de la valorisation et de l'innovation au CNRS.

Brevets et licences

Détection automatique de polypes par vidéocolonoscopie intelligente

Des algorithmes de traitement d'images temps-réel, développés par des chercheurs du laboratoire Equipes traitement de l'information et systèmes1, offrent aux médecins une aide au diagnostic pendant un examen de vidéocolonoscopie (ou vidéocoloscopie) et augmentent ainsi la fiabilité du dépistage des polypes intestinaux.

Le dépistage précoce des risques de cancer colorectal est un enjeu de santé publique (42 152 nouveaux cas et 17 722 décès en 2012 selon l'Institut national du cancer). La vidéocolonoscopie, appelée aussi vidéocoloscopie, est l'examen de référence pour la détection de polypes, mais ses résultats subissent une certaine variabilité d'un praticien à l'autre. Dans l'optique d'une politique systématique de dépistage, des chercheurs du laboratoire Equipes traitement de l'information et systèmes (ETIS)1 ont mis au point une méthode brevetée2 de traitement des images de vidéocolonoscopie pour localiser et identifier des structures pathologiques pendant l'examen. « Un point essentiel est que le système de détection puisse s'intégrer complètement dans l'examen tel qu'il se pratique aujourd'hui », explique Aymeric Histace, chercheur au laboratoire ETIS.

La méthode fonctionne en temps réel – pendant le déroulement de l'examen -, et est « embarquée » dans le vidéocolonoscope. La chaîne algorithmique permettant de détecter un polype s'inspire de la détection de visages déjà utilisée par les appareils photos ou les smartphones. Cette méthode repose sur un apprentissage automatique, et fonctionne ensuite avec des temps de réponse rapides. Mais pour que le système puisse réaliser cet apprentissage, il fallait d'abord définir les critères permettant de définir la signature numérique d’un polype dans l'image vidéo.

En collaboration avec des cliniciens de l'hôpital Saint-Antoine (Paris) et de l'Hospital Clinic de Barcelone (Espagne), et des collaborateurs du Computer Vision Center (CVC, Université Autonome de Barcelone), les chercheurs ont pu établir les descripteurs pertinents (texture de la muqueuse, vascularisation...), et les traduire en termes d'analyse d'images. La collaboration avec les médecins a aussi permis de mettre au point une base de données représentative sur laquelle le système peut faire son apprentissage. « Nous avons utilisé des méthodes d'apprentissage actif, qui font intervenir un expert. Leur avantage est de minimiser ensuite les fausses alarmes, et donc d'augmenter la performance de la détection », précise Aymeric Histace.

L'équipe se focalise désormais sur l'assistance au diagnostic en conditions réelles, pendant des examens effectués en routine clinique. Dans le cadre d’un programme de maturation financé par la SATT IDF Innov, les procédures sont en cours de mise au point avec les deux hôpitaux partenaires, et les tests de validation clinique doivent démarrer à l'automne 2017. Les médecins utiliseront leur vidéocolonoscope habituel, l'assistant au diagnostic étant installé sur un ordinateur à part. Mais l'équipe travaille d’ores et déjà, en parallèle, sur l’optimisation de l'électronique qui permettra d'embarquer la détection automatique dans l'appareil médical, et même de l'adapter aux cas des vidéocapsules ingérables utilisées pour certains examens.

 

1 CNRS/Université de Cergy-Pontoise/Ensea

2 Brevet européen (EP 16177835.2), en copropriété CNRS/Université de Cergy Pontoise/ENSEA/APHP «  Method and apparatus for real-time detection of polyps in optical colonoscopy », déposé le 4 juillet 2016.

 

Contact :

Aymeric Histace / Laboratoire Equipes traitement de l'information et systèmes / aymeric.histace@ensea.fr