Discussion des résultats

Nos résultats confirment et approfondissent ceux d’autres travaux déjà publiés, notamment par Diagardjane et al. [Diagaradjane et al., 2005] qui utilisent la multi-excitation en AF pour différencier plusieurs états cancéreux chimio-induits sur peau de souris, par Chang et al. [Chang et al., 2005] et Georgakoudi et al. [Georgakoudi et al., 2002] qui utilisent les spectroscopies bi-modale et tribi-modale (multi-excitation d’AF et DR) pour diagnostiquer divers états cancéreux du col de l’utérus, ainsi que par Inaguama et al. [Inaguma and Hashimoto, 1999] qui utilisent la mono-excitation d’AF à 410 nm pour diagnostiquer le cancer oral humain. Dans ces études, les auteurs ont mentionné que les pics d’absorption de l’hémoglobine (≈420, 545 et 575 nm) liés à

Figure 4.31 – Sensibilités (SE) et Spécificités (SP), moyennes calculées à partir d’un jeu de 306 caractéristiques spectrales (D1=83, D2=98 et D3=125) capables de discriminer au moins 4 des 6 paires de classes histologiques : a) S (Sain) vs. HC (Hyperplasie Compensatoire), b) S vs. HA (Hyperplasie Atypique), c) S vs. D (Dysplasie), HC vs. HA, HC vs. D et HA vs. D. Sur chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271µm, D2 = 536 µm et D3 = 834 µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres des composants principaux (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itérations).

l’activité vasculaire hyperplasique progressive et les émissions d’AF liées aux flavines, collagène, NADH et porphyrines peuvent être utilisés comme "bio-marqueurs" pour différencier divers états précancéreux de tissus. Plus spécifiquement, la présence d’augmentation d’intensité d’émission liée aux porphyrines est également associée aux modifications hyperplasiques impliquant des transformations de l’hémoglobine [Yang et al., 1987] pris de [Karthikeyan et al., 1999], ou aux changements de l’environnement cellulaire [Balasubramanian et al., 1995] pris de [Karthikeyan et al., 1999]. Inaguama et al. [Inaguma and Hashimoto, 1999] ont également publié que la por-phyrine peut être excrétée comme des métabolites par le tissu cancéreux et qu’elle est présente non seulement dans le cancer avancé mais également aux étapes "préliminaires" de cancer.

Figure 4.32 – Sensibilités (SE) et Spécificités (SP), moyennes calculées à partir d’un jeu de 306 caractéristiques spectrales (D1=83, D2=98 et D3=125) capables de discriminer au moins 4 des 6 paires de classes histologiques : S (Sain) vs. HC (Hyperplasie Compensatoire), S vs. HA (Hyperplasie Atypique), S vs. D (Dysplasie), d) HC vs. HA, e) HC vs. D et f) HA vs. D. Sur chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271 µm, D2 = 536 µm et D3 = 834 µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres des composants principaux (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itérations).

Les caractéristiques spectrales (pentes, rapports, aires, etc.) extraites et sélectionnées parmi nos spectres de RD sont liées aux pics d’absorption d’hémoglobine et ceux des spectres d’AF sont liés aux spectres d’émission des fluorophores endogènes : flavines, collagène, NADH et porphyrines.

En observant les spectres moyens d’émission d’AF normalisés pour les excitations à 390, 400, 410, 420 et 430 nm, nous remarquons que l’intensité globale moyenne dans la bande 450-550 nm (liée au collagène, NADH et flavines ), pour les spectres classés S, est plus élevée que celle des trois autres classes, pour la classe HC est inférieure à celle des trois autres classes, pour la classe D est légèrement plus élevée que celle de la classe HA. Dans la bande spectrale 550-700 nm (liée

Figure 4.33 – Sensibilités (SE) et Spécificités(SP) en utilisant les caractéristiques qui discri-minent exclusivement HA (Hyperplasie Atypique) vs D (Dysplasie) + moyennes calculées à par-tir d’un jeu de 13 caractéristiques spectrales (D1=6, D2=2 et D3=5) capables de discriminer les 6 paires de classes histologiques : a) S (Sain) vs. HC (Hyperplasie Compensatoire), b) S vs. HA (Hyperplasie Atypique), c) S vs. D (Dysplasie), HC vs. HA, HC vs. D et HA vs. D. Sur chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271µm, D2 = 536µm et D3 = 834µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres des compo-santes principales (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itérations).

aux flavines et porphyrines), l’intensité globale moyenne de la courbe spectrale, pour la classe HC, est supérieure à celle des trois autres classes, pour la classe S est inférieure à celle des trois autres classes, pour la classe HA est légèrement plus élevée que celle de la classe D.

Pour les spectres de RD acquis aux distances D1, D2 et D3, l’amplitude globale moyenne de la courbe spectrale, pour les spectres classés HC est inférieure à celle des classes AH et D, pour la classe HA est plus élevée que celle des classes HC et D, pour la classe D est légèrement inférieure à celle de la classe HA. L’amplitude globale de la courbe spectrale correspondant à la classe S

Figure 4.34 – Sensibilités (SE) et Spécificités(SP) en utilisant les caractéristiques qui discri-minent exclusivement HA (Hyperplasie Atypique) vs D (Dysplasie) + moyennes calculées à partir d’un jeu de 13 caractéristiques spectrales (D1=6, D2=2 et D3=5) capables de discrimi-ner les 6 paires de classes histologiques : S (Sain) vs. HC (Hyperplasie Compensatoire), S vs. HA (Hyperplasie Atypique), S vs. D (Dysplasie), d) HC vs. HA, e) HC vs. D et f) HA vs. D. Sur chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271 µm, D2 = 536 µm et D3 = 834 µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres des composantes principales (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itérations).

est très différente des trois autres classes. Pour la distance D1, dans la bande spectrale 390-450 nm (pic d’absorption d’hémoglobine à 420 nm), cette amplitude est plus élevée que celles des trois autres classes, dans la bande 450-575 nm, elle est inférieure à celle de la classe HA et dans la bande 575-720 inférieure à celle des classes HA et D. Pour les distances D2 et D3, l’amplitude globale moyenne des spectres classés S diminue : dans la bande spectrale 390-450 nm, elle est inférieure à celle de la classe HA et similaire à celle de la classe D ; dans la bande spectrale 450-720 nm, elle est inférieure à celles des classes HA et D.

Figure4.35 – Sensibilité (SE) et Spécificité (SP) en utilisant les caractéristiques qui discriminent exclusivement HA (Hyperplasie Atypique) vs D (Dysplasie) + moyennes calculées à partir d’un jeu de 186 caractéristiques spectrales (D1=44, D2=59 et D3=83) capables de discriminer au moins 5 des 6 paires de classes histologiques : a) S (Sain) vs. HC (Hyperplasie Compensatoire), b) S vs. HA (Hyperplasie Atypique), c) S vs. D (Dysplasie), HC vs. HA, HC vs. D et HA vs. D. Pour chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271µm, D2 = 536 µm et D3 = 834 µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres de composantes principales (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itération).

Deux des creux liés aux pics d’absorption de l’hémoglobine (545 et 575 nm) sont légèrement visibles pour les spectres d’AF acquis à la distance D1, et deviennent plus évidents (ils aug-mentent) pour les spectres d’AF acquis à la distance D3. L’intensité du pic d’émission à 633 nm (liée à la porphyrine) est également augmentée pour les spectres d’AF acquis à la distance D3. Pour les spectres de RD, les pics d’absorption de l’hémoglobine sont plus nettement visibles sur les courbes acquises à la distance D3 en comparaison de celles acquises à la distance D1. Quand la distance entre les fibres d’excitation-réception augmente, la profondeur de la peau sondée aug-mente aussi [Katika and Pilon, 2006], donc l’absorption (visible dans les spectres de RD et d’AF)

Figure4.36 – Sensibilité (SE) et Spécificité (SP) en utilisant les caractéristiques qui discriminent exclusivement HA (Hyperplasie Atypique) vs D (Dysplasie) + moyennes calculées à partir d’un jeu de 186 caractéristiques spectrales (D1=44, D2=59 et D3=83) capables de discriminer au moins 5 des 6 paires de classes histologiques : S (Sain) vs. HC (Hyperplasie Compensatoire), S vs. HA (Hyperplasie Atypique), S vs. D (Dysplasie), d) HC vs. HA, e) HC vs. D et f) HA vs. D. Pour chaque histogramme, les résultats sont donnés pour toutes les combinaisons possibles des 3 distances inter-fibres (D1=271 µm, D2 = 536 µm et D3 = 834 µm) et pour chacune des trois méthodes de classification. PC et K indiqués sur chaque histogramme correspondent aux nombres de composantes principales (PC) et de plus proches voisins (k) permettant d’obtenir les résultats optimaux montrés ici. Les barres d’erreur représentent les écart-types obtenus pour les moyennes de Se et Sp calculées sur 100 valeurs (itération).

et l’émission des porphyrines (pour l’AF) sont plus nettement visibles sur les spectres acquis à la distance D3.

Dans leur étude sur un modèle de tumeur chimio-induite (DMBA/TPA) sur la peau de sou-ris, Diagardjane et al. [Diagaradjane et al., 2005] ont obtenu de bons résultats en distinguant différents états précancéreux en utilisant la multi-excitation d’AF dans la bande 280-460 nm et la classification LDA. Ils ont défini 5 catégories : I (Sain), II (Inflammation et Hyperplasie), III (Hyperplasie et Dysplasie), IV et V (Carcinomes). Pour la classification des catégories I, II et III

en utilisant des excitations dans la bande 360-420 nm, leurs résultats étaient 62.1% < Se < 69.0% et 82.2% < Sp < 95.6%. Dans notre travail, nous nous sommes concentré sur une classification plus fine correspondant aux catégories II et III, et nous avons obtenu, grâce à la bimodalité notamment, de meilleurs résultats en Se et Sp, en utilisant des longueurs d’onde d’excitations supérieures à 360 nm.

Chang et al. [Chang et al., 2005] ont classifié des tissus sains (épithélium pavimenteux nor-mal, SN) et pathologiques du col d’utérus (lésions intra-épithéliales de bas et haut grades LGSIL et HGSIL), en utilisant la multi-excitation d’AF dans la bande 330-480 nm et la RD, et en com-binant l’ACP et l’algorithme de distance de Mahalanobis. Plusieurs paires de discrimination ont été définies (SN vs NC, SN vs LGSIL, SN vs HGSIL, NC vs LGSIL et NC vs HGSIL). Pour la classification SN vs LGSIL, leurs résultats étaient 53% < Se < 95% et 69% < Sp < 91%. Bien que notre travail concerne un autre type d’épithélium, nous avons proposé une classification plus fine des tissus sains et précancéreux dans 4 sous-classes (S, HC) et (HA, D). Nos résultats sont glo-balement meilleurs avec Se et Sp > 95%, sauf pour discriminer HA vs D (Sp≈74% et Se≈63%). Nos résultats (Se et Sp≈100% pour CH vs autres, Sp ≈100% et Se > 95% pour S vs HA ou D, Sp≈74% et Se≈63% pour HA vs D) sont également en accord avec divers résultats de tra-vaux qui ont employés des techniques de classification comme les SVM ou les réseaux de neurones artificiels (RNA). Lin et al. [Linet al., 2004] ont développé des algorithmes basés sur les SVM (linéaire et non linéaire), en utilisant des excitations d’AF à 405 et 436 nm pour distinguer des tissus nasopharyngés normaux et cancéreux. Ils ont obtenu Se = 94% et Sp = 97% et Se = 95% et Sp = 99% en utilisant des SVM linéaire et non linéaire respectivement. Ils ont combiné l’ACP avec les SVM et ont ainsi réduit la complexité de leurs algorithmes sans sacrifier la performance. Nayak et al. [Nayak et al., 2006] ont développé des algorithmes basés sur l’ACP et les RNA, en utilisant une excitation d’AF à 325 nm pour discriminer des tissus oraux humains normaux, précancéreux et cancéreux. Ils ont obtenu Se = 100% et Sp = 92.9% en utilisant l’ACP et Se = 100% et Sp = 96,5% avec les RNA. Majunder et al. [Majumder et al., 2005] ont développé un algorithme basé sur les SVM, en utilisant une excitation d’AF à 337 nm pour différencier l’épi-thélium pavimenteux sain de SCC de tissus oraux humain. Ils ont obtenu Se = 91% et Sp = 96%. Dans notre étude, afin d’améliorer l’efficacité de discrimination HA vs D (Se ≈ 63% et Sp ≈74% les plus faibles), nous avons réalisé une autre approche de classification en ajoutant au jeu initial de caractéristiques spectrales choisies des caractéristiques complémentaires qui discri-minent exclusivement HA vs D. Cette approche n’a pas amélioré significativement les résultats obtenus précédemment. D’autres méthodes de sélection de caractéristiques spectrales et de clas-sification non linéaires notamment, doivent être évaluées pour améliorer ces résultats.