Coloration virtuelle de tissus en 3D

En formulant au XIX^e siècle sa théorie de la pathologie cellulaire, Rudolf Virchow a transformé la médecine en profondeur: les maladies ne se déclarent pas de manière inexplicable dans l’organisme, mais dans certaines cellules et certains tissus. Aujourd’hui encore, la pathologie – terme qui désigne l’étude des maladies – repose essentiellement sur l’examen chronophage de minces coupes de tissus qui sont colorées avant d’être analysées au microscope.

Une équipe de recherche internationale à l’Institut Paul Scherrer PSI vient de réussir à dépasser cette limite bidimensionnelle. En combinant la micro-tomodensitométrie (ou micro-CT ou µCT) à haute résolution et l’intelligence artificielle (IA), le groupe emmené par Goran Lovric, physicien au Centre des sciences photoniques du PSI, a produit des colorations virtuelles d’échantillons de tissus, appelées également colorations histologiques. Avec elles, il n’est plus nécessaire de réaliser des coupes ultra-minces et sensibles, ni de colorer ces dernières pour de bon. «Nous avons démontré pour la première fois qu’une coloration virtuelle basée sur la tomodensitométrie peut donner des résultats similaires à ceux de l’histologie conventionnelle en laboratoire, relève Goran Lovric. Cela ouvre la voie à une multitude d’applications cliniques et scientifiques.»

Les marqueurs colorés courants de l’histologie

Les scientifiques ont combiné la micro-tomographie par contraste de phase à haute résolution (PCµCT) avec les méthodes d’apprentissage automatique. Leur système est baptisé VISTACT pour «VIrtual STAining of micro-Computed Tomography». Alors que la tomodensitométrie classique mesure avant tout les différences de radiodensité, la micro-CT par contraste de phase exploite les informations supplémentaires dans le rayonnement, ce qui permet d’obtenir une bien meilleure visualisation des tissus mous. De la sorte, il est possible de visualiser en 3D même de fines structures anatomiques à l’échelle du micromètre. Mais jusqu’ici, ces visualisations n’étaient disponibles qu’en niveaux de gris. Or le personnel spécialisé en pathologie est formé à interpréter les contrastes de couleurs typiques des colorations histologiques classiques: les noyaux cellulaires y apparaissent en bleu-violet, le collagène en rose, les fibres élastiques en noir très sombre. Dans les images CT, bon nombre de ces repères visuels sont perdus.

«Nous voulions donc reporter l’univers familier des couleurs de l’histologie sur les images CT en 3D», explique Goran Lovric. Pour ce faire, les scientifiques ont entraîné une IA spécialisée avec des paires: d’un côté de véritables coupes histologiques et, de l’autre, les images CT correspondantes. L’IA a appris de cette manière quels sont les motifs microscopiques auxquels sont généralement attribuées telle ou telle couleur. Ensuite, ils ont réussi à colorer de nouvelles images CT, en procédant pour ainsi dire à une traduction automatique d’un univers d’images à un autre.

Une localisation plus précise

Une étape technique décisive a constitué à attribuer les images de manière précise. Les coupes histologiques n’ont que quelques micromètres d’épaisseur et peuvent se déformer facilement lors de la découpe ou de la mise en place. Par ailleurs, il faut déterminer de manière exacte à quel endroit du jeu d’images CT tridimensionnelles se situe la coupe en question. Le groupe de travail emmené par Goran Lovric a développé une méthode en plusieurs étapes, qui reconnaît automatiquement le plan correspondant et le recoupe avec les données histologiques. Selon les scientifiques, l’attribution spatiale est ainsi beaucoup plus précise qu’avec les méthodes standard employées à ce jour.

Pour la coloration virtuelle proprement dite, les scientifiques ont utilisé un «réseau antagoniste génératif conditionnel». Il s’agit d’un système d’IA spécialisé dans la traduction d’image à image. Le modèle a reçu en entrée des images en niveaux de gris issues de la micro-CT et a généré à partir de celles-ci des préparations histologiques virtuelles. Fait remarquable: l’IA n’a pas seulement généré des surfaces de couleur approximatives. Elle a également différencié de manière plausible les différents composants tissulaires: le sang dans les petits vaisseaux est apparu en jaunâtre, les structures de collagène en rose, les surfaces pulmonaires en gris tendant jusqu’au violet.

La «preuve de concept» avec un test sur des tissus pulmonaires

Les scientifiques ont testé leur nouvelle méthode sur des tissus pulmonaires prélevés chez des personnes atteintes d’hypertension artérielle pulmonaire. Cette maladie induit un rétrécissement pathologique des vaisseaux pulmonaires. «Nous avons réussi à cartographier en deux dimensions les zones altérées des vaisseaux, explique Cristina Almagro-Pérez, première auteure de la publication, qui avait travaillé dans le groupe de Goran Lovric pendant son travail de master et est aujourd’hui chercheuse aux Etats-Unis.

La nouvelle technologie peut travailler de manière automatique et beaucoup plus rapide que la méthode actuelle. Cependant, elle n’est pas encore utilisable dans le quotidien hospitalier: l’imagerie par contraste de phase nécessaire pour cette étude a été réalisée à la ligne de faisceau TOMCAT de la Source de Lumière Suisse SLS, l’une des grandes installations de recherche au PSI. Les quantités de données générées étaient énormes et souvent, la résolution n’était pas suffisante pour visualiser de manière fiable les noyaux cellulaires individuels.

Par ailleurs, l’histologie virtuelle reste pour l’instant une reconstitution statistique: l’IA ne produit pas de véritables informations histologiques, mais des prédictions plausibles sur la base de ses données d’entraînement. La méthode n’atteint pas encore la qualité des examens diagnostiques de routine, soulignent Cristina Almagro-Pérez et Goran Lovric. La «preuve de concept» a toutefois été apportée et la méthode est en principe transposable à l’étude de différentes maladies. Dans le cas des tumeurs, des altérations vasculaires ou encore des architectures tissulaires complexes, cette forme de pathologie 3D non destructive peut accélérer l’étude de biomarqueurs de maladies, et donc, à long terme, ouvrir de nouvelles perspectives diagnostiques.

Plus de 150 ans après l’énonciation des principes de la pathologie cellulaire par Rudolf Virchow, l’histologie pourrait bien se trouver au seuil d’une nouvelle transformation fondamentale.

Texte: Werner Siefer

À propos du PSI

L'Institut Paul Scherrer PSI développe, construit et exploite des grandes installations de recherche complexes et les met à la disposition de la communauté scientifique nationale et internationale. Les domaines de recherche de l'institut sont centrés sur des technologies d'avenir, énergie et climat, innovation santé ainsi que fondements de la nature. La formation des générations futures est un souci central du PSI. Pour cette raison, environ un quart de nos collaborateurs sont des postdocs, des doctorants ou des apprentis. Au total, le PSI emploie 2300 personnes, étant ainsi le plus grand institut de recherche de Suisse. Le budget annuel est d'environ CHF 450 millions. Le PSI fait partie du domaine des EPF, les autres membres étant l'ETH Zurich, l'EPF Lausanne, l'Eawag (Institut de Recherche de l'Eau), l'Empa (Laboratoire fédéral d'essai des matériaux et de recherche) et le WSL (Institut fédéral de recherches sur la forêt, la neige et le paysage).

Contact

Dr. Goran Lovric
PSI Center for Photon Science
Institut Paul Scherrer PSI

+41 56 310 51 05
goran.lovric@psi.ch
[français, allemand, anglais, croate]

Publication originale

Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning
Cristina Almagro-Pérez, Niccolò Peruzzi, Csaba Galambos, Andrew H. Song, Hans Brunnström, Kinga I. Gawlik, Marco Stampanoni, Karin Tran-Lundmark, Goran Lovric
J. R. Soc. Interface, 17.06.2026
DOI: 10.1098/rsif.2025.1186

Le communiqué de presse sur le site de l'Institut Paul Scherrer PSI:

https://www.psi.ch/fr/news/communiques-de-presse/coloration-virtuelle-de-tissus-en-3d